Nouveauté
Machine Learning attraverso R Apprendimento non Supervisionato: 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
- ISBN8232211844
- EAN9798232211844
- Date de parution09/11/2025
- Protection num.pas de protection
- Infos supplémentairesepub
- ÉditeurHamza elmir
Résumé
Il machine learning è un campo interdisciplinare che utilizza metodi, algoritmi, processi e sistemi per estrarre conoscenza e conclusioni da dati strutturati e non strutturati. Combina elementi di statistica, informatica, matematica e tecniche analitiche per risolvere problemi, fare previsioni e generare valore dai dati. Sfrutta i big data per scoprire modelli, tendenze e relazioni che possono essere utilizzati per il processo decisionale in vari settori.
È un importante supporto per l'intelligenza artificiale. Il machine learning utilizza due tipi di tecniche: l'apprendimento supervisionato, che addestra un modello con dati di input e output noti per prevedere risultati futuri, e l'apprendimento non supervisionato, che individua modelli nascosti o strutture intrinseche nei dati di input. La maggior parte di queste tecniche di apprendimento non supervisionato per la classificazione viene sviluppata in questo libro da un punto di vista metodologico e da un punto di vista pratico con applicazioni tramite il software R.
Vengono trattate le seguenti tecniche: analisi delle corrispondenze semplici, analisi delle corrispondenze multiple, analisi dei cluster, scaling multidimensionale, reti neurali (SOM Kohonen, ecc.), riconoscimento di pattern, rilevamento di anomalie, autoencoder, elaborazione delle immagini e reti neurali convoluzionali (reti CNN).
È un importante supporto per l'intelligenza artificiale. Il machine learning utilizza due tipi di tecniche: l'apprendimento supervisionato, che addestra un modello con dati di input e output noti per prevedere risultati futuri, e l'apprendimento non supervisionato, che individua modelli nascosti o strutture intrinseche nei dati di input. La maggior parte di queste tecniche di apprendimento non supervisionato per la classificazione viene sviluppata in questo libro da un punto di vista metodologico e da un punto di vista pratico con applicazioni tramite il software R.
Vengono trattate le seguenti tecniche: analisi delle corrispondenze semplici, analisi delle corrispondenze multiple, analisi dei cluster, scaling multidimensionale, reti neurali (SOM Kohonen, ecc.), riconoscimento di pattern, rilevamento di anomalie, autoencoder, elaborazione delle immagini e reti neurali convoluzionali (reti CNN).
Il machine learning è un campo interdisciplinare che utilizza metodi, algoritmi, processi e sistemi per estrarre conoscenza e conclusioni da dati strutturati e non strutturati. Combina elementi di statistica, informatica, matematica e tecniche analitiche per risolvere problemi, fare previsioni e generare valore dai dati. Sfrutta i big data per scoprire modelli, tendenze e relazioni che possono essere utilizzati per il processo decisionale in vari settori.
È un importante supporto per l'intelligenza artificiale. Il machine learning utilizza due tipi di tecniche: l'apprendimento supervisionato, che addestra un modello con dati di input e output noti per prevedere risultati futuri, e l'apprendimento non supervisionato, che individua modelli nascosti o strutture intrinseche nei dati di input. La maggior parte di queste tecniche di apprendimento non supervisionato per la classificazione viene sviluppata in questo libro da un punto di vista metodologico e da un punto di vista pratico con applicazioni tramite il software R.
Vengono trattate le seguenti tecniche: analisi delle corrispondenze semplici, analisi delle corrispondenze multiple, analisi dei cluster, scaling multidimensionale, reti neurali (SOM Kohonen, ecc.), riconoscimento di pattern, rilevamento di anomalie, autoencoder, elaborazione delle immagini e reti neurali convoluzionali (reti CNN).
È un importante supporto per l'intelligenza artificiale. Il machine learning utilizza due tipi di tecniche: l'apprendimento supervisionato, che addestra un modello con dati di input e output noti per prevedere risultati futuri, e l'apprendimento non supervisionato, che individua modelli nascosti o strutture intrinseche nei dati di input. La maggior parte di queste tecniche di apprendimento non supervisionato per la classificazione viene sviluppata in questo libro da un punto di vista metodologico e da un punto di vista pratico con applicazioni tramite il software R.
Vengono trattate le seguenti tecniche: analisi delle corrispondenze semplici, analisi delle corrispondenze multiple, analisi dei cluster, scaling multidimensionale, reti neurali (SOM Kohonen, ecc.), riconoscimento di pattern, rilevamento di anomalie, autoencoder, elaborazione delle immagini e reti neurali convoluzionali (reti CNN).
