Product details
- Publisher : Cambridge University Press; 1st edition (October 6, 2003)
- Language : English
- Hardcover : 640 pages
- ISBN-10 : 0521642981
-
ISBN-13 : 978-0521642989
جلد سخت رنگی_کتاب Information Theory, Inference and Learning Algorithms
Information theory and inference, often taught separately, are here united in one entertaining textbook. These topics lie at the heart of many exciting areas of contemporary science and engineering - communication, signal processing, data mining, machine learning, pattern recognition, computational neuroscience, bioinformatics, and cryptography. This textbook introduces theory in tandem with applications. Information theory is taught alongside practical communication systems, such as arithmetic coding for data compression and sparse-graph codes for error-correction. A toolbox of inference techniques, including message-passing algorithms, Monte Carlo methods, and variational approximations, are developed alongside applications of these tools to clustering, convolutional codes, independent component analysis, and neural networks. The final part of the book describes the state of the art in error-correcting codes, including low-density parity-check codes, turbo codes, and digital fountain codes -- the twenty-first century standards for satellite communications, disk drives, and data broadcast. Richly illustrated, filled with worked examples and over 400 exercises, some with detailed solutions, David MacKay's groundbreaking book is ideal for self-learning and for undergraduate or graduate courses. Interludes on crosswords, evolution, and sex provide entertainment along the way. In sum, this is a textbook on information, communication, and coding for a new generation of students, and an unparalleled entry point into these subjects for professionals in areas as diverse as computational biology, financial engineering, and machine learning.
منابع کتاب جلد سخت رنگی_کتاب Information Theory, Inference and Learning Algorithms
تئوری اطلاعات و استنتاج، که اغلب به طور جداگانه تدریس می شوند، در اینجا در یک کتاب درسی سرگرم کننده متحد شده اند. این موضوعات در قلب بسیاری از حوزه‌های هیجان‌انگیز علم و مهندسی معاصر قرار دارند - ارتباطات، پردازش سیگنال، داده‌کاوی، یادگیری ماشین، تشخیص الگو، علوم اعصاب محاسباتی، بیوانفورماتیک و رمزنگاری. این کتاب درسی تئوری را همراه با کاربردها معرفی می کند. تئوری اطلاعات در کنار سیستم های ارتباطی عملی، مانند کدگذاری حسابی برای فشرده سازی داده ها و کدهای نمودار پراکنده برای تصحیح خطا، تدریس می شود. جعبه ابزاری از تکنیک‌های استنتاج، از جمله الگوریتم‌های ارسال پیام، روش‌های مونت کارلو، و تقریب‌های متغیر، در کنار کاربردهای این ابزارها برای خوشه‌بندی، کدهای کانولوشنال، تحلیل مؤلفه‌های مستقل و شبکه‌های عصبی توسعه داده شده‌اند. بخش پایانی کتاب وضعیت هنر را در کدهای تصحیح خطا، از جمله کدهای بررسی برابری با چگالی کم، کدهای توربو، و کدهای دیجیتال فواره - استانداردهای قرن بیست و یکم برای ارتباطات ماهواره ای، درایوهای دیسک، و پخش داده کتاب پیشگامانه دیوید مک کی با مصور فراوان، مملو از مثال های کار شده و بیش از 400 تمرین، برخی با راه حل های دقیق، برای خودآموزی و دوره های کارشناسی یا کارشناسی ارشد ایده آل است. میان‌واژه‌های جدول کلمات متقاطع، تکامل و رابطه جنسی سرگرمی را در طول مسیر فراهم می‌کنند. در مجموع، این یک کتاب درسی در مورد اطلاعات، ارتباطات و کدگذاری برای نسل جدیدی از دانش‌آموزان است و یک نقطه ورود بی‌نظیر به این موضوعات برای متخصصان در حوزه‌های متنوعی مانند زیست‌شناسی محاسباتی، مهندسی مالی، و یادگیری ماشین است.
ارسال نظر درباره جلد سخت رنگی_کتاب Information Theory, Inference and Learning Algorithms