Értékelés:
Jelenleg nincsenek olvasói vélemények. Az értékelés 2 olvasói szavazat alapján történt.
Behavior Analysis with Machine Learning Using R
Behavior Analysis with Machine Learning Using R bemutatja a gépi tanulás és a mélytanulás fogalmait és algoritmusait, amelyeket a viselkedéselemzési problémák széles körére alkalmaznak. Az ilyen problémák megoldásának gyakorlati szempontjaira összpontosít az érzékelőkből gyűjtött vagy elektronikus nyilvántartásokban tárolt adatok alapján. A mellékelt példák bemutatják, hogyan lehet elvégezni az általános adatelemzési feladatokat, például: adatfeltárás, vizualizáció, előfeldolgozás, adatreprezentáció, modellképzés és kiértékelés. Mindezt az R programozási nyelv és valós viselkedési adatok felhasználásával. Bár a példák a viselkedéselemzési feladatokra összpontosítanak, a tárgyalt mögöttes fogalmak és módszerek bármely más területen is alkalmazhatók. A gépi tanulással kapcsolatos előzetes tudás nem feltételezhető. Az R programmal kapcsolatos alapvető tapasztalat, valamint a statisztikában és a középiskolai szintű matematikában szerzett alapismeretek előnyösek.
Jellemzők:
⬤ Készítsen felügyelt gépi tanulási modelleket beltéri tartózkodási helyek előrejelzésére WiFi jelek alapján, fizikai tevékenységek felismerésére okostelefon-érzékelőkből és 3D-s csontvázadatokból, kézmozdulatok felismerésére gyorsulásmérő jelekből stb.
⬤ Programozza saját ensemble learning módszereit, és használja a Multi-View Stackinget heterogén adatforrásokból származó jelek egyesítésére.
⬤ Felügyelet nélküli tanulási algoritmusok használata a bűnügyi viselkedésminták felfedezésére.
⬤ Mély tanulású neurális hálózatok építése TensorFlow és Keras segítségével az izomaktivitás osztályozására elektromiográfiai jelekből, valamint konvolúciós neurális hálózatok építése mosolyok felismerésére képeken.
⬤ Értékelje ki modelljei teljesítményét hagyományos és többfelhasználós környezetben.
⬤ Készítsen anomália-felismerő modelleket, például Isolation Forests és autoencodereket a halak rendellenes viselkedésének felismerésére.
Ez a könyv az egyetemi/egyetemi hallgatóknak és az ubiquitikus számítástechnika, a viselkedésökológia, a pszichológia, az e-egészségügy és más tudományágak kutatóinak szól, akik meg akarják tanulni a gépi tanulás és a mélytanulás alapjait, valamint azoknak a tapasztaltabb egyéneknek, akik a gépi tanulást viselkedési adatok elemzésére szeretnék alkalmazni.
