| zip | Baixar grátis |
|---|---|
| rar | Baixar grátis |
| epub | Baixar grátis |
| Baixar grátis | |
| lit | Baixar grátis |
| odf | Baixar grátis |
Domine as ferramentas MATLAB para criar aplicações de aprendizado de máquina por meio de escrita de código eficaz, guiado por exemplos práticos que mostram a versatilidade do aprendizado de máquina em aplicações do mundo real Características principais: Trabalhe com a caixa de ferramentas de aprendizado de máquina MATLAB para implementar uma variedade de algoritmos de aprendizado de máquina Avalie, implante e operacionalize seus modelos personalizados, incorporando detecção de viés e monitoramento de pipeline Descubra abordagens eficazes de aprendizagem profunda para visão computacional, análise de séries temporais e previsões Descrição do livro: Descubra por que o ambiente de programação MATLAB é altamente preferido por pesquisadores e especialistas em matemática para aprendizado de máquina com este guia projetado para aprimorar sua proficiência em aprendizado de máquina e aprendizado profundo usando MATLAB, abrindo caminho para aplicações avançadas. Ao navegar pelas versáteis ferramentas de aprendizado de máquina no ambiente MATLAB, você aprenderá como interagir perfeitamente com o espaço de trabalho. Em seguida, você passará para a limpeza de dados, mineração de dados e análise de vários tipos de dados no aprendizado de máquina, além de visualizar os valores dos dados em um gráfico. À medida que avança, você explorará diversas técnicas de classificação e regressão, aplicando-as habilmente com funções MATLAB. Este livro ensina os fundamentos das redes neurais, orientando você no ajuste de dados, reconhecimento de padrões e análise de cluster. Você também explorará técnicas de seleção e extração de recursos para melhoria de desempenho por meio da redução de dimensionalidade. Por fim, você aproveitará as ferramentas MATLAB para aprendizado profundo e gerenciamento de redes neurais convolucionais. Ao final do livro, você será capaz de juntar tudo aplicando os principais algoritmos de aprendizado de máquina em cenários do mundo real. O que você aprenderá: Descubra diferentes maneiras de transformar dados em insights valiosos Explore os diferentes tipos de técnicas de regressão Compreenda os fundamentos da classificação por meio de Naive Bayes e árvores de decisão Use clustering para agrupar dados com base em medidas de similaridade Execute ajuste de dados, reconhecimento de padrões e análise de cluster Implementar seleção e extração de recursos para redução de dimensionalidade Aproveite as ferramentas MATLAB para exploração de aprendizagem profunda Para quem é este livro: Este livro é para engenheiros de ML, cientistas de dados, engenheiros de DL e engenheiros de CV/PNL que desejam usar o MATLAB para aprendizado de máquina e aprendizado profundo. Uma compreensão fundamental dos conceitos de programação é necessária para começar.
Procurando Matlab Para Aprendizado De Máquina? Aqui você encontra tudo sobre este livro de Jideon F Marques em 30 de janeiro de 2024. Nesta página estão a descrição da obra, os detalhes da edição (712 páginas) e os formatos disponíveis para baixar: epub, pdf, lit, odf. O livro está escrito em Português. Se você gosta de Computação, Informática e Mídias Digitais, Base de Dados, Processamento de Dados, explore também outros títulos da mesma categoria no Leitura em português. Veja ainda as outras obras de Jideon F Marques em nosso catálogo.
Autores populares
Editora Europa (797) Vários Autores (562) On Line Editora (526) Publishing lmgdaw (341) Andrey Taranov (219) Morari Media PT (189) Nick Snels (169) Editora Coquetel (160) lingoXpress (93) EdiCase Publicações (88) Neiriberto Silva De Freitas (83) Bernardo Musumeci (77) Todolivro (75) DARE AGRO (69) EdiCase Digital (69) Professor Ricardo De Souza (67) Veja São Paulo (62) Ciranda Cultural (61) JOSEP MARIA PALAUS PLANES (58) Marcos Gomes (55)Datas populares de publicação
1 de janeiro de 2012 1 de janeiro de 2014 1 de janeiro de 2010 1 de janeiro de 2008 1 de janeiro de 2013 1 de janeiro de 2011 1 de janeiro de 2009 11 de junho de 2026 1 de janeiro de 2019 1 de janeiro de 2017 1 de janeiro de 2007 1 de janeiro de 2016 1 de janeiro de 2015 1 de janeiro de 2006 1 de janeiro de 2005 1 de janeiro de 2018 1 de janeiro de 2004 1 de janeiro de 2021 21 de setembro de 2026 1 de janeiro de 2020