کتاب درس نامه یادگیری ماشین انتشارات آتی نگر

درباره کتاب درس‌نامه یادگیری ماشین 

تکنیک‌های یادگیری ماشین موضوع اصلی این کتاب را تشکیل می‌دهد و مطالب آن در یازده فصل گردآوری و تهیه شده است.

در فصل اول با مفهوم یادگیری ماشین و گونه‌های مختلف آن آشنا می‌شوید. 

در فصل دوم کتاب به ریاضیات مورد استفاده در روش‌های یادگیری ماشین اشاره شده است.

برخی از الگوریتم‌های پایه در حوزه یادگیری ماشین مانند رگرسیون، درخت تصمیم، ماشین‌بردار پشتیبان و نزدیک‌ترین همسایه در فصل سوم توضیح داده شده است

تشریح یک الگوریتم یادگیری در فصل چهارم آمده است.

فصل پنجم کتاب حاوی مطالب مهمی نظیر روش‌های آماده‌سازی داده‌ها، چگونگی انتخاب الگوریتم یادگیری و همچنین ارزیابی آن است.

شبکه‌های عصبی و یادگیری ژرف، موضوع فصل ششم است.

مطالبی از قبیل کرنل‌ها، رده‌بندی چندگانه، رده‌بندی تک‌رده‌ای، یادگیری تلفیقی، یادگیری توالی‌ها و یادگیری فعال، موضوعات فصل هفتم را تشکیل می‌دهند.

برخی از چالش‌های موجود در اجرای الگوریتم‌های یادگیری ماشین مانند داده‌های نامتوازن، آموزش شبکه‌های عصبی، کنترل ورودی‌ها و خروجی‌های چندگانه در فصل هشتم بحث شده است.

فصل نهم کتاب به موضوع یادگیری بی‌ناظر پرداخته است.

شکل‌های دیگر یادگیری مانند یادگیری متریک، یادگیری برای رتبه‌بندی و یادگیری برای پیشنهاد در فصل دهم مطرح شده‌اند.

سرفصل‌های کتاب درس‌نامه یادگیری ماشین

فصل اول: مقدمه

فصل دوم: نشانه‌گذاری و تعریف‌ها

فصل سوم: الگوریتم پایه

فصل چهارم: تشریح یک الگوریتم یادگیری

فصل پنجم: تجارب برتر

فصل ششم: شبکه‌‌های عصبی و یادگیری ژرف

فصل هفتم: راه‌حل‌هایی برای چند مسئله

فصل هشتم: تجارب پیشرفته

فصل نهم: یادگیری بی‌ناظر 

فصل دهم: شکل‌های دیگری از یادگیری