Quantum Machine Learning
What Quantum Computing Means to Data Mining
-
10% KEDVEZMÉNY?
- A kedvezmény csak az 'Értesítés a kedvenc témákról' hírlevelünk címzettjeinek rendeléseire érvényes.
- Kiadói listaár EUR 75.95
-
31 500 Ft (30 000 Ft + 5% áfa)
Az ár azért becsült, mert a rendelés pillanatában nem lehet pontosan tudni, hogy a beérkezéskor milyen lesz a forint árfolyama az adott termék eredeti devizájához képest. Ha a forint romlana, kissé többet, ha javulna, kissé kevesebbet kell majd fizetnie.
- Kedvezmény(ek) 10% (cc. 3 150 Ft off)
- Kedvezményes ár 28 350 Ft (27 000 Ft + 5% áfa)
Iratkozzon fel most és részesüljön kedvezőbb árainkból!
Feliratkozom
31 500 Ft
Beszerezhetőség
Megrendelésre a kiadó utánnyomja a könyvet. Rendelhető, de a szokásosnál kicsit lassabban érkezik meg.
Why don't you give exact delivery time?
A beszerzés időigényét az eddigi tapasztalatokra alapozva adjuk meg. Azért becsült, mert a terméket külföldről hozzuk be, így a kiadó kiszolgálásának pillanatnyi gyorsaságától is függ. A megadottnál gyorsabb és lassabb szállítás is elképzelhető, de mindent megteszünk, hogy Ön a lehető leghamarabb jusson hozzá a termékhez.
A termék adatai:
- Kiadó Elsevier Science
- Megjelenés dátuma 2016. augusztus 19.
- ISBN 9780128100400
- Kötéstípus Puhakötés
- Terjedelem176 oldal
- Méret 228x152 mm
- Súly 230 g
- Nyelv angol 10
Kategóriák
Hosszú leírás:
Quantum Machine Learning bridges the gap between abstract developments in quantum computing and the applied research on machine learning. Paring down the complexity of the disciplines involved, it focuses on providing a synthesis that explains the most important machine learning algorithms in a quantum framework. Theoretical advances in quantum computing are hard to follow for computer scientists, and sometimes even for researchers involved in the field. The lack of a step-by-step guide hampers the broader understanding of this emergent interdisciplinary body of research.
Quantum Machine Learning sets the scene for a deeper understanding of the subject for readers of different backgrounds. The author has carefully constructed a clear comparison of classical learning algorithms and their quantum counterparts, thus making differences in computational complexity and learning performance apparent. This book synthesizes of a broad array of research into a manageable and concise presentation, with practical examples and applications.
TöbbTartalomjegyzék:
IntroductionChapter 1: Machine LearningChapter 2: Quantum MechanicsChapter 3: Quantum ComputingChapter 4: Unsupervised LearningChapter 5: Pattern Recognition and Neural NetworksChapter 6: Supervised Learning and SUpport Vector MachinesChapter 7: Regression AnalysisChapter 8: BoostingChapter 9: Clustering Structure and Quantum ComputingChapter 10: Quantum Pattern RecognitionChapter 11: Quantum ClassificationChapter 12: Quantum Process TomographyChapter 13: Boosting and Adiabatic Quantum Computing
Több
