Machine Learning Foundations (eBook)
XX, 391 Seiten
Springer International Publishing (Verlag)
978-3-030-65900-4 (ISBN)
This book provides conceptual understanding of machine learning algorithms though supervised, unsupervised, and advanced learning techniques. The book consists of four parts: foundation, supervised learning, unsupervised learning, and advanced learning. The first part provides the fundamental materials, background, and simple machine learning algorithms, as the preparation for studying machine learning algorithms. The second and the third parts provide understanding of the supervised learning algorithms and the unsupervised learning algorithms as the core parts. The last part provides advanced machine learning algorithms: ensemble learning, semi-supervised learning, temporal learning, and reinforced learning.
- Provides comprehensive coverage of both learning algorithms: supervised and unsupervised learning;
- Outlines the computation paradigm for solving classification, regression, and clustering;
- Features essential techniques for building the a new generation of machine learning.
Taeho Jo is the president and the founder of the company, Alpha Lab AI which makes business concerned with Artificial Intelligence. He received his Bachelor, Master, and PhD degrees from Korea University in 1994, from Pohang University in 1997, and from University of Ottawa, 2006, respectively. He has published more than 180 research papers, primarily in text mining, machine learning, neural networks, and information retrieval. He previously published the book 'Text Mining: Concept, Implementation, and Big Data Challenge' (Springer 2018).
Erscheint lt. Verlag | 12.2.2021 |
---|---|
Zusatzinfo | XX, 391 p. 277 illus., 13 illus. in color. |
Sprache | englisch |
Themenwelt | Mathematik / Informatik ► Informatik ► Datenbanken |
Technik ► Bauwesen | |
Technik ► Elektrotechnik / Energietechnik | |
Wirtschaft | |
Schlagworte | EM algorithm • Fuzzy Clustering • hierarchical clustering • K Means Algorithm • K nearest Neighbor • machine learning • naïve bayes • Neural networks • supervised learning • Support Vector Machine • Unsupervised Learning |
ISBN-10 | 3-030-65900-3 / 3030659003 |
ISBN-13 | 978-3-030-65900-4 / 9783030659004 |
Haben Sie eine Frage zum Produkt? |
Größe: 11,1 MB
DRM: Digitales Wasserzeichen
Dieses eBook enthält ein digitales Wasserzeichen und ist damit für Sie personalisiert. Bei einer missbräuchlichen Weitergabe des eBooks an Dritte ist eine Rückverfolgung an die Quelle möglich.
Dateiformat: PDF (Portable Document Format)
Mit einem festen Seitenlayout eignet sich die PDF besonders für Fachbücher mit Spalten, Tabellen und Abbildungen. Eine PDF kann auf fast allen Geräten angezeigt werden, ist aber für kleine Displays (Smartphone, eReader) nur eingeschränkt geeignet.
Systemvoraussetzungen:
PC/Mac: Mit einem PC oder Mac können Sie dieses eBook lesen. Sie benötigen dafür einen PDF-Viewer - z.B. den Adobe Reader oder Adobe Digital Editions.
eReader: Dieses eBook kann mit (fast) allen eBook-Readern gelesen werden. Mit dem amazon-Kindle ist es aber nicht kompatibel.
Smartphone/Tablet: Egal ob Apple oder Android, dieses eBook können Sie lesen. Sie benötigen dafür einen PDF-Viewer - z.B. die kostenlose Adobe Digital Editions-App.
Buying eBooks from abroad
For tax law reasons we can sell eBooks just within Germany and Switzerland. Regrettably we cannot fulfill eBook-orders from other countries.
aus dem Bereich