دارای 15% تخفیف

Pattern Recognition and Machine Learning (Information Science and Statistics)2011 شناخت الگو و یادگیری ماشینی (علم اطلاعات و آمار)

Name: Pattern Recognition and Machine Learning (Information Science and Statistics)2011 کتاب شناخت الگو و یادگیری ماشینی (علم اطلاعات و آمار)
Availability: InStock
Rating: 4 (1 reviews)
Author: https://jafaripub.com/products/?publisher=Springer
ISBN: 9780387310732

کد کتاب 122076

Pattern Recognition and Machine Learning (Information Science and Statistics)

کتاب شناخت الگو و یادگیری ماشینی (علم اطلاعات و آمار)

افست = اورجینال
چاپ تمام رنگی
کاغذ 80 گرمی اندونزی
جلد سخت و ته دوخت

*بهترین کیفیت افست را از ما بخواهید*

این اولین کتاب درسی برای شناخت الگو است که دیدگاه بیزی را ارائه می دهد. این کتاب الگوریتم های استنباط تقریبی را ارائه می دهد که اجازه می دهد پاسخ های تقریبی سریع در موقعیت هایی که پاسخ های دقیق امکان پذیر نیست ، باشد.

ناشر : Springer ( نمایش همه کتاب های انتشارات Springer )

تعداد صفحه

738

چاپ

رنگی

زبان

انگلیسی

سال نشر

2011

شابک

9780387310732

قطع

رحلی

نوبت چاپ

یکم

نویسنده

By (author) Christopher M. Bishop

خرید کتاب Pattern Recognition and Machine Learning (Information Science and Statistics)2011 شناخت الگو و یادگیری ماشینی (علم اطلاعات و آمار) با 15 درصد تخفیف

15%

~~627,000 تومان~~532,950 تومان

0 ريال جمع تخفیف کالاهای اصلی	0 ريال جمع مبلغ پرداختی کالاهای اصلی
0 ريال جمع تخفیف کالاهای اجباری	0 ريال جمع مبلغ پرداختی کالاهای اجباری
0 ريال جمع تخفیف کالاهای اختیاری	0 ريال جمع مبلغ پرداختی کالاهای اختیاری
تعداد درخواستی : سود شما از خرید : 0 جمع مبلغ پرداختی : 0

مقدمه کتاب اطللاعات بیشتر پرسش و پاسخ

Pattern Recognition and Machine Learning (Information Science and Statistics)2011

شناخت الگو و یادگیری ماشینی (علم اطلاعات و آمار)

This is the first textbook on pattern recognition to present the Bayesian viewpoint. The book presents approximate inference algorithms that permit fast approximate answers in situations where exact answers are not feasible. It uses graphical models to describe probability distributions when no other books apply graphical models to machine learning. No previous knowledge of pattern recognition or machine learning concepts is assumed. Familiarity with multivariate calculus and basic linear algebra is required, and some experience in the use of probabilities would be helpful though not essential as the book includes a self-contained introduction to basic probability theory.