یادگیری ماشین

دکتر محمود البرزی، عضو هیئت علمی دانشگاه علوم و تحقیقات، در پیش گفتار این کتاب با اشاره به این که یادگیری ماشین (Machine Learning) به عنوان زیرمجموعه ای از هوش مصنوعی در سال های اخیر رشد چشمگیری یافته است، از افزایش اهمیت ساخت و آموزش عوامل هوشمندی مثل ربات ها و نرم‌افزارها با استفاده از الگوریتم های یادگیری ماشین، در سطح جهان یاد کرده است.

​ مولف این کتاب همچنین با اشاره به علاقه مندی زیاد مراکز علمی و پژوهشی ایران نسبت به این حوزه، وجود کتاب ها و منابع علمی فارسی در این زمینه را در رشد علمی این حوزه موثر دانسته و هدف خود از تألیف کتاب «یادگیری ماشین» را تأمین این دست از منابع عنوان کرده است.

در تدوین این کتاب سعی شده است علاوه بر کاربرد آن به صورت جانبی در درس هایی مثل هوش مصنوعی و به عنوان کتاب مرجع در درس یادگیری ماشین برای دانشجویان و مدرسان مقاطع مختلف دانشگاهی، برای کارشناسان حرفه ای سامانه های هوشمند نیز در طراحی انواع سامانه های مبتنی بر یادگیری ماشین راهگشا باشد.

کتاب «یادگیری ماشین» از ۱۸ فصل تشکیل شده است. فصل اول با تعریفی از هوش مصنوعی و عامل هوشمند آغاز می‌شود. در فصل های بعدی انواع الگوریتم های یادگیری ماشین شامل الگوریتم های نظارت شده (Supervised) و بدون نظارت (Unsupervised) برای کاربردهای دسته‌بندی (Classification) و خوشه‌بندی (Clustering) مورد بحث قرار گرفته اند. از جمله این الگوریتم ها می توان به رگرسیون خطی یک و چند متغیره، رگرسیون لجستیک (Logistic Regression)، ماشین های بردار پشتیبان (Support Vector Machines) و شبکه های عصبی (Neural Networks) نام برد.

در بخش هایی از کتاب نیز به بررسی جنبه های کاربردی طراحی الگوریتم ها مانند شیوه انتخاب ویژگی ها (Feature Selection)، جمع آوری داده ها (Data Collection)، روش های تقلیل ابعاد داده ها (Dimensionality Reduction)، تحلیل خطا (Error Analysis) و پیش گیری از بیش تطابقی (Over-fitting) مدل پرداخته شده است.