Learning with Partially Labeled and Interdependent Data - Nicolas Usunier,Massih-Reza Amini
-35% su kodu BOOKS
Pristatymas per 17-23 d.d.
30 dienų grąžinimo politika
This book develops two key machine learning principles: the semi-supervised paradigm and learning with interdependent data. It reveals new applications, primarily web related, that transgress the classical machine learning framework through learning with interdependent data. The book traces how the semi-supervised paradigm and the learning to rank paradigm emerged from new web applications, leading to a mas ... Visas aprašymas
Jums taip pat gali patikti
TOP
If Anyone Builds It, Everyone Dies: Why Superhuman AI Would Kill Us All
Eliezer Yudkowsky, Nate Soares
-35% su kodu BOOKS
Turime sandėlyje pas mūsų tiekėją
TOP
How To Think About AI: A Guide For The Perplexed
-35% su kodu BOOKS
Turime sandėlyje pas mūsų tiekėją
TOP
Gödel, Escher, Bach: An Eternal Golden Braid
-35% su kodu BOOKS
Turime sandėlyje pas mūsų tiekėją
TOP
AI Engineering: Building Applications with Foundation Models
-35% su kodu BOOKS
Turime sandėlyje pas mūsų tiekėją
TOP
Empire of AI: Dreams and Nightmares in Sam Altman's OpenAI
-35% su kodu BOOKS
Turime sandėlyje pas mūsų tiekėją
TOP
Python Crash Course: A Hands-On, Project-Based Introduction to Programming
-35% su kodu BOOKS
Turime sandėlyje pas mūsų tiekėją
TOP
The Rust Programming Language
Steve Klabnik, Carol Nichols, Chris Krycho
-35% su kodu BOOKS
Turime sandėlyje pas mūsų tiekėją
TOP
How to Talk to AI: (And How Not To)
-35% su kodu BOOKS
Turime sandėlyje pas mūsų tiekėją
TOP
The Pragmatic Programmer: journey to mastery, 20th Anniversary Edition, 2/e: your journey to mastery, 20th Anniversary Edition
-35% su kodu BOOKS
Turime sandėlyje pas mūsų tiekėją
TOP
Hackers. 25th Anniversary Edition: Heroes of the Computer Revolution
-35% su kodu BOOKS
Turime sandėlyje pas mūsų tiekėją
TOP
The Art of Game Design: A Book of Lenses
-35% su kodu BOOKS
Turime sandėlyje pas mūsų tiekėją
TOP
How Linux Works: What Every Superuser Should Know
-35% su kodu BOOKS
Turime sandėlyje pas mūsų tiekėją
TOP
Hands-On Large Language Models: Language Understanding and Generation
Maarten Grootendorst, Jay Alammar
-35% su kodu BOOKS
Turime sandėlyje pas mūsų tiekėją
TOP
Fundamentals of Software Architecture: A Modern Engineering Approach
-35% su kodu BOOKS
Turime sandėlyje pas mūsų tiekėją
TOP
Speak Data: Artists, Scientists, Thinkers, and Dreamers on How We Live Our Lives in Numbers
-35% su kodu BOOKS
Turime sandėlyje pas mūsų tiekėją
TOP
Slanted 47 Digital Tools: Slanted Magazine
-35% su kodu BOOKS
Turime sandėlyje pas mūsų tiekėją
TOP
Clean Architecture: A Craftsman's Guide to Software Structure and Design
-35% su kodu BOOKS
Turime sandėlyje pas mūsų tiekėją
TOP
World of Warcraft Chronicle, Volume 2
-35% su kodu BOOKS
Turime sandėlyje pas mūsų tiekėją
TOP
Linux Basics for Hackers, 2nd Edition: Getting Started with Networking, Scripting, and Security in Kali
-35% su kodu BOOKS
Turime sandėlyje pas mūsų tiekėją
Aprašymas
This book develops two key machine learning principles: the semi-supervised paradigm and learning with interdependent data. It reveals new applications, primarily web related, that transgress the classical machine learning framework through learning with interdependent data. The book traces how the semi-supervised paradigm and the learning to rank paradigm emerged from new web applications, leading to a massive production of heterogeneous textual data. It explains how semi-supervised learning techniques are widely used, but only allow a limited analysis of the information content and thus do not meet the demands of many web-related tasks. Later chapters deal with the development of learning methods for ranking entities in a large collection with respect to precise information needed. In some cases, learning a ranking function can be reduced to learning a classification function over the pairs of examples. The book proves that this task can be efficiently tackled in a new framework: learning with interdependent data. Researchers and professionals in machine learning will find these new perspectives and solutions valuable. Learning with Partially Labeled and Interdependent Data is also useful for advanced-level students of computer science, particularly those focused on statistics and learning.
Daugiau informacijos
| Autorius | Nicolas Usunier, Massih-Reza Amini |
|---|---|
| Leidėjas | Springer Nature Switzerland |
| Išleidimo metai | 2015 |
| Viršelio tipas | Kieti viršeliai |
| EAN | 9783319157252 |