장바구니 담기 close

장바구니에 상품을 담았습니다.

장바구니로 계속쇼핑하기
Applied Machine Learning (Hardcover)
미리보기

Applied Machine Learning (Hardcover)

  • Gopal, M.
  • |
  • McGraw-Hill Education
  • |
  • 2019-06-07 출간
  • |
  • 656페이지
  • |
  • English
  • |
  • ISBN 9781260456844
판매가

92,700원

즉시할인가

83,430 원

배송비

무료배송

(제주/도서산간 배송 추가비용:3,000원)

추가상품
상품선택
독서대 7,900원 독서대 선택안함 0원
수량
+ -
총주문금액
83,430원

이 상품은 품절된 상품입니다

※ 스프링제본 상품은 반품/교환/환불이 불가능하므로 신중하게 선택하여 주시기 바랍니다.

북스크린영상으로 만나보는 한 권의 책 이야기

목차


1. Introduction
1.1 Towards Intelligent Machines
1.2 Well-Posed Machine Learning Problems
1.3 Examples of Application in Diverse Fields
1.4 Data Representation
1.5 Domain Knowledge for Productive use of Machine Learning
1.6 Diversity of Data: Structured/Unstructured
1.7 Forms of Learning
1.8 Machine Learning and Data Mining
1.9 Bacic Linear Algebra in Machine Learning Techniques
1.10 Relevant Resources for Machine Learning

2. Supervised Learnig: Rationale and Basics
2.1 Learning From Observations
2.2 Bias and Variance
2.3 Why Learning Works; Computational Learning Theory
2.4 Occam"s Razor Principle and Overfitting Avoidance
2.5 Heuristic Search in Induvtive Learning
2.6 Estimating Generalization Errors
2.7 Metrics for Assessing Regression (Numeric Prediction) Accuracy
2.8 Metrics for Assessing Classification (Pattern Recognition) Accuracy
2.9 An Overview of the Design Cycle and Issues in Machine Learning

3. Statistical Learning
3.1 Mavhine Learning and Inferential Statistical Analysis
3.2 Descriptive Statistics in Learning Techniques
3.3 Bayesian Reasoning: A Probabilistic Approach to Inference
3.4 K-Nearest Neighbor (k-NN) Classifier
3.5 Discriminant Functions and Regression Functions
3.6 Linear Reggression with Least Square Error Criterion
3.7 Logistic Regression for Classification Tasks
3.8 Fisher"s Linear Discriminant and Thresholding for Classification
3.9 Minimum Description Length Principle

4. Learning With Support Vector Machines
4.1 Introduction
4.2 Linear Discriminant Functions for Binary Classification
4.3 Perceptron Algorithm
4.4 Linear Maximal Margin Classifier for Linearly Separable Data
4.5 Linear Soft Margin Classifier for Overlapping Classes
4.6 Kernel-Induced Fearure Spaces
4.7 Nonlinear Classifier
4.8 Regression by Support Vector Machines
4.9 Decomposing Multiclass Classification Problem Into Binary Classification Tasks
4.10 Variants of Basic SVM Techniques

5. Learning With Neural Networks (NN)
5.1 Towards Cognitive Machine
5.2 Neuron Models
5.3 Network Architectures
5.4 Perceptrons
5.5 Linear Neuron and the Widrow-Hoff Learning Rule
5.6 The Error-Correction Delta Rule
5.7 Multi-Layer Perceptron (MLP) Networks and the Error-Backpropagation
5.8 Multi-Class Discrimination with MLP Networks
5.9 Radial Basis Functions (RBF) Network
5.10 Genetic-Neural Systems

6. Fuzzy Inference System
6.1 Introduction
6.2 Cognitive Uncertainty and Fuzzy Rule-Base
6.3 Fuzzy Quantification of Knowledge
6.4 Fuzzy Rule-Base and Approximate Reasoning
6.5 Mamdani Model for Fuzzy Inference Systems
6.6 Takagi-Sugeno Fuzzy Model
6.7 Neuro-Fuzzy Inference Systems
6.8 Gentic-Fuzzy Systems

7. Data Clustering and Data Transformations
7.1 Unsupervised Learning
7.2 Engineering the Data
7.3 Overview of Basic Clustering Methods
7.4 K-Means Clustering
7.5 Fuzzy K-Means Clustering
7.6 Expectation-Maximization (EM) Algorithm and Gaussian Mixtures Clustering
7.7 Some Useful Data Transformations
7.8 Entropy-Based Method for Attribute Discretization
7.9 Principal Component Analysis (PCA) for Attribute Reduction
7.10 Rough Sets-Based Methods for Attribute Reduction.

8. Decision Tree Learning
8.1 Introduction
8.2 Example of a Classification Decision Tree
8.3 Measures of Impurity for Evaluating Splits in Decision Trees
8.4 ID3, C4.5 and CART Decision Trees
8.5 Pruning the Tree
8.6 Strengths and Weaknesses of Decision-Tree Appoach
8.7 Fuzzy Decision Trees

9. Business Intelligence and Data Mining: Techniques and Applications
9.1 An Introduction to Analytics
9.2 The CRISP-DM (Cross Industry Standard Process for Data Mining) Model
9.3 Data Warehousing and Online Analytical Processing
9.4 Mining Frequent Patterns and Association Rules
9.5 Intelligent Information Retrieval Systems
9.6 Applications snd Trends
9.7 Technologies dor Big Data

Appendix A Genetic Algorithm (GA) For Search Optimization
Appendix B Reinforcement Learning (RL)
Datasets form Real-Life Applications for Mavhine Kearning Experiments
Problems
References
Index
추천포스트

교환 및 환불안내

도서교환 및 환불
  • ㆍ배송기간은 평일 기준 1~3일 정도 소요됩니다.(스프링 분철은 1일 정도 시간이 더 소요됩니다.)
  • ㆍ상품불량 및 오배송등의 이유로 반품하실 경우, 반품배송비는 무료입니다.
  • ㆍ고객님의 변심에 의한 반품,환불,교환시 택배비는 본인 부담입니다.
  • ㆍ상담원과의 상담없이 교환 및 반품으로 반송된 물품은 책임지지 않습니다.
  • ㆍ이미 발송된 상품의 취소 및 반품, 교환요청시 배송비가 발생할 수 있습니다.
  • ㆍ반품신청시 반송된 상품의 수령후 환불처리됩니다.(카드사 사정에 따라 카드취소는 시일이 3~5일이 소요될 수 있습니다.)
  • ㆍ주문하신 상품의 반품,교환은 상품수령일로 부터 7일이내에 신청하실 수 있습니다.
  • ㆍ상품이 훼손된 경우 반품 및 교환,환불이 불가능합니다.
  • ㆍ반품/교환시 고객님 귀책사유로 인해 수거가 지연될 경우에는 반품이 제한될 수 있습니다.
  • ㆍ스프링제본 상품은 교환 및 환불이 불가능 합니다.
  • ㆍ군부대(사서함) 및 해외배송은 불가능합니다.
  • ㆍ오후 3시 이후 상담원과 통화되지 않은 취소건에 대해서는 고객 반품비용이 발생할 수 있습니다.
반품안내
  • 마이페이지 > 나의상담 > 1 : 1 문의하기 게시판 또는 고객센터 1800-7327
교환/반품주소
  • 경기도 파주시 문발로 211 1층 / (주)북채널 / 전화 : 1800-7327
  • 택배안내 : CJ대한통운(1588-1255)
  • 고객님 변심으로 인한 교환 또는 반품시 왕복 배송비 5,000원을 부담하셔야 하며, 제품 불량 또는 오 배송시에는 전액을 당사에서부담 합니다.