Nouveauté
Machine Learning através de R Aprendizagem não Supervisionada: Tecniche Descrittive per la Classificazione. MACHINE LEARNING
Par :Formats :
Disponible dans votre compte client Decitre ou Furet du Nord dès validation de votre commande. Le format ePub est :
- Compatible avec une lecture sur My Vivlio (smartphone, tablette, ordinateur)
- Compatible avec une lecture sur liseuses Vivlio
- Pour les liseuses autres que Vivlio, vous devez utiliser le logiciel Adobe Digital Edition. Non compatible avec la lecture sur les liseuses Kindle, Remarkable et Sony
, qui est-ce ?Notre partenaire de plateforme de lecture numérique où vous retrouverez l'ensemble de vos ebooks gratuitement
Pour en savoir plus sur nos ebooks, consultez notre aide en ligne ici
C'est si simple ! Lisez votre ebook avec l'app Vivlio sur votre tablette, mobile ou ordinateur :
- FormatePub
- ISBN8232150259
- EAN9798232150259
- Date de parution10/11/2025
- Protection num.pas de protection
- Infos supplémentairesepub
- ÉditeurHamza elmir
Résumé
A aprendizagem automática é um campo interdisciplinar que utiliza métodos, algoritmos, processos e sistemas para extrair conhecimento e conclusões de dados estruturados e não estruturados. Combina elementos de estatística, ciência da computação, matemática e técnicas analíticas para resolver problemas, fazer previsões e gerar valor a partir de dados. Utiliza o big data para descobrir padrões, tendências e relações que podem ser utilizados na tomada de decisões em diversos setores.
É um importante suporte para a Inteligência Artificial. A aprendizagem automática utiliza dois tipos de técnicas: a aprendizagem supervisionada, que treina um modelo com dados de entrada e saída conhecidos para prever resultados futuros, e a aprendizagem não supervisionada, que encontra padrões ocultos ou estruturas intrínsecas nos dados de entrada. A maioria destas técnicas de aprendizagem não supervisionada para a classificação são desenvolvidas ao longo deste livro, tanto de um ponto de vista metodológico como prático, com aplicações através do software R.
São abordadas as seguintes técnicas: análise de correspondência simples, análise de correspondência múltipla, análise de clusters, escalonamento multidimensional, redes neuronais (SOM Kohonen, etc.), reconhecimento de padrões, deteção de anomalias, autocodificadores, processamento de imagens e redes neuronais convolucionais (redes CNN).
É um importante suporte para a Inteligência Artificial. A aprendizagem automática utiliza dois tipos de técnicas: a aprendizagem supervisionada, que treina um modelo com dados de entrada e saída conhecidos para prever resultados futuros, e a aprendizagem não supervisionada, que encontra padrões ocultos ou estruturas intrínsecas nos dados de entrada. A maioria destas técnicas de aprendizagem não supervisionada para a classificação são desenvolvidas ao longo deste livro, tanto de um ponto de vista metodológico como prático, com aplicações através do software R.
São abordadas as seguintes técnicas: análise de correspondência simples, análise de correspondência múltipla, análise de clusters, escalonamento multidimensional, redes neuronais (SOM Kohonen, etc.), reconhecimento de padrões, deteção de anomalias, autocodificadores, processamento de imagens e redes neuronais convolucionais (redes CNN).
A aprendizagem automática é um campo interdisciplinar que utiliza métodos, algoritmos, processos e sistemas para extrair conhecimento e conclusões de dados estruturados e não estruturados. Combina elementos de estatística, ciência da computação, matemática e técnicas analíticas para resolver problemas, fazer previsões e gerar valor a partir de dados. Utiliza o big data para descobrir padrões, tendências e relações que podem ser utilizados na tomada de decisões em diversos setores.
É um importante suporte para a Inteligência Artificial. A aprendizagem automática utiliza dois tipos de técnicas: a aprendizagem supervisionada, que treina um modelo com dados de entrada e saída conhecidos para prever resultados futuros, e a aprendizagem não supervisionada, que encontra padrões ocultos ou estruturas intrínsecas nos dados de entrada. A maioria destas técnicas de aprendizagem não supervisionada para a classificação são desenvolvidas ao longo deste livro, tanto de um ponto de vista metodológico como prático, com aplicações através do software R.
São abordadas as seguintes técnicas: análise de correspondência simples, análise de correspondência múltipla, análise de clusters, escalonamento multidimensional, redes neuronais (SOM Kohonen, etc.), reconhecimento de padrões, deteção de anomalias, autocodificadores, processamento de imagens e redes neuronais convolucionais (redes CNN).
É um importante suporte para a Inteligência Artificial. A aprendizagem automática utiliza dois tipos de técnicas: a aprendizagem supervisionada, que treina um modelo com dados de entrada e saída conhecidos para prever resultados futuros, e a aprendizagem não supervisionada, que encontra padrões ocultos ou estruturas intrínsecas nos dados de entrada. A maioria destas técnicas de aprendizagem não supervisionada para a classificação são desenvolvidas ao longo deste livro, tanto de um ponto de vista metodológico como prático, com aplicações através do software R.
São abordadas as seguintes técnicas: análise de correspondência simples, análise de correspondência múltipla, análise de clusters, escalonamento multidimensional, redes neuronais (SOM Kohonen, etc.), reconhecimento de padrões, deteção de anomalias, autocodificadores, processamento de imagens e redes neuronais convolucionais (redes CNN).
