4 مشكل بهينه سازي محدب
همانطور كه در بخش 4.5.1 ذكر شد رياضي در برنامه نويسي ، محدوديت ها در مسئله بهينه سازي محدب توابع محدب با ويژگي محدب زير هستند
جزئيات دوره
رياضي گسسته چيست و چگونه در برنامه نويسي كاربرد دارد؟ رياضيات بخش مهمي از برنامه نويسي است. رياضيات گسسته مطالعه ساختارهاي رياضي منحصر به فرد (با نام مستقل گسسته) است. اعداد صحيح ، نمودارها و گزاره رياضي در برنامه نويسي هاي منطقي را در نظر بگيريد - مواردي كه ما در برنامه نويسي ايرانيان سايبر از آنها بسيار استفاده مي كنيم. رياضي گسسته مي تواند براي مشخصات طراحي نرم افزار ، تجزيه و تحليل الگوريتم ها و ساير كاربردهاي كاربردي مورد استفاده قرار گيرد ، اما اين واقعا يك ابزار عالي براي رياضي در برنامه نويسي توسعه به عنوان برنامه نويس است. به بيان ساده ، اين يك سنگ بناي براي تفكر منطقي است.
اين دوره به كتابخانه SML منبع باز (زبان ماشين استاندارد) متكي است تا مفاهيم پشت رياضي گسسته را نشان دهد. پگي فيشر به شما نحوه دستكاري مجموعه داده ها ، نوشتن اثبات و جداول حقيقت ، تجزيه و تحليل توالي رياضي در برنامه نويسي داده ها و تجسم داده ها با استفاده از نظريه نمودار را نشان مي دهد. چالش هاي موجود در پايان هر فصل به شما امكان مي دهد تا دانش خود را آزمايش كنيد. در پايان دوره ، شما بايد بتوانيد از نظريه تا استفاده از رياضيات گسسته در عمل جهشي داشته باشيد: صرفه جويي در وقت و در نتيجه كدي كه تميزتر است و نگهداري آن در دراز مدت آسان تر است.
بر اساس تجربه نويسنده در تدريس علم داده بيش از 10 سال ، رياضيات و برنامه نويسي براي يادگيري ماشين با R: From the Ground به رياضي در برنامه نويسي شما نشان مي دهد كه چگونه الگوريتم هاي يادگيري ماشين جادوي خود را انجام مي دهند و نحوه پياده سازي اين الگوريتم ها در كد را توضيح مي دهد. طراحي شده است تا درك منطقي از الگوريتم هاي يادگيري ماشين و نحوه برنامه ريزي آنها را در اختيار خوانندگان قرار دهد. اين كتاب كه براي برنامه نويسان مبتدي نوشته شده است ، گام به گام پيشرفت مي كند و رياضي در برنامه نويسي مهارت هاي برنامه نويسي مورد نياز براي پياده سازي الگوريتم هاي يادگيري ماشين در R را ارائه مي دهد.
اين كتاب با پياده سازي هاي ساده و مفاهيم اساسي منطق ، مجموعه ها و احتمالات شروع مي شود ، قبل از اينكه به پوشش الگوريتم هاي قدرتمند يادگيري عميق بپردازيم. هشت فصل اول به الگوريتم هاي يادگيري ماشين مبتني بر احتمال و هشت فصل آخر به يادگيري ماشين بر اساس شبكه هاي عصبي مصنوعي مي پردازد. نيمه اول كتاب نيازي به پيچيدگي رياضي ندارد ، اگرچه آشنايي با احتمال و آمار مفيد رياضي در برنامه نويسي خواهد بود. در نيمه دوم فرض مي شود كه خواننده حداقل با يك ترم حسابداري آشنا است. متن برنامه نويسان مبتدي R را از طريق الگوريتم ها و كاربرد آنها و در طول مسير راهنمايي مي كند. خواننده در برنامه نويسي با چالش هاي پيشرفته برنامه نويسي R اعتماد به نفس پيدا مي كند.
نكات برجسته كتاب عبارتند از:
تازه های مسابقات اسکرچ