التنبؤ بالبيانات المهيكلة - (معالجة المعلومات العصبية) بقلم Gokhan Bakir & Thomas Hofmann & Bernhard Scholkopf (غلاف ورقي)

عن الكتاب أحدث الخوارزميات والنظريات في مجال مبتكر من مجالات تعلم الآلة، وهو التنبؤ عندما تكون المخرجات ذات بنية محددة. ملخص الكتاب أحدث الخوارزميات والنظريات في مجال مبتكر من مجالات تعلم الآلة، وهو التنبؤ عندما تكون المخرجات ذات بنية محددة. يعمل تعلم الآلة على تطوير أنظمة حاسوبية ذكية قادرة على التعميم من الأمثلة التي تمت رؤيتها مسبقاً. يمثل المجال الجديد في تعلم الآلة، حيث يجب أن يستوفي التنبؤ القيود الإضافية الموجودة في البيانات المهيكلة، أحد أكبر التحديات في تعلم الآلة، وهو تعلم التبعيات الوظيفية بين مجالات المدخلات والمخرجات العشوائية. يقدم هذا المجلد ويحلل أحدث ما توصلت إليه خوارزميات ونظريات تعلم الآلة في هذا المجال المبتكر. يناقش المساهمون تطبيقات متنوعة مثل الترجمة الآلية، ووسم المستندات، والبيولوجيا الحسابية، واستخراج المعلومات، من بين تطبيقات أخرى، مما يوفر نظرة عامة في وقتها المناسب حول هذا المجال المثير. المساهمون Yasemin Altun, Gökhan Bakir, Olivier Bousquet, Sumit Chopra, Corinna Cortes, Hal Daumé III, Ofer Dekel, Zoubin Ghahramani, Raia Hadsell, Thomas Hofmann, Fu Jie Huang, Yann LeCun, Tobias Mann, Daniel Marcu, David McAllester, Mehryar Mohri, William Stafford Noble, Fernando Pérez-Cruz, Massimiliano Pontil, Marc'Aurelio Ranzato, Juho Rousu, Craig Saunders, Bernhard Schölkopf, Matthias W. Seeger, Shai Shalev-Shwartz, John Shawe-Taylor, Yoram Singer, Alexander J. Smola, Sandor Szedmak, Ben Taskar, Ioannis Tsochantaridis, S.V.N Vishwanathan, Jason Weston

نبذة عن المؤلف

يشغل S. V. N. Vishwanathan منصب أستاذ مساعد في الإحصاء وعلوم الحاسوب في Purdue University، وباحث أول في برنامج تعلم الآلة الإحصائي في National ICT Australia، بالإضافة إلى تعيينه كأستاذ مساعد في مدرسة الأبحاث لعلوم المعلومات والهندسة في Australian National University.