| | SLO | ENG | Piškotki in zasebnost

Večja pisava | Manjša pisava

Izpis gradiva Pomoč

Naslov:Strojno učenje za inženirje : koncepti, primeri in uporaba v okolju MATLAB
Avtorji:ID Gotlih, Janez (Avtor)
ID Brezočnik, Miran (Avtor)
ID Ficko, Mirko (Recenzent)
ID Klančnik, Simon (Recenzent)
ID Bajić, Marina (Tehnični urednik)
ID Perša, Jan (Tehnični urednik)
Datoteke:URL https://press.um.si/index.php/ump/catalog/book/1075
 
.pdf RAZ_Gotlih_Janez_2025.pdf (6,25 MB)
MD5: 8148E50DC49D3129D544816AF5F7A819
 
Jezik:Slovenski jezik
Vrsta gradiva:Učbenik za višje in visoke šole
Tipologija:2.05 - Drugo učno gradivo
Organizacija:FS - Fakulteta za strojništvo
UZUM - Univerzitetna založba Univerze v Mariboru
Opis:Skripta obravnavajo strojno učenje z vidika uporabe v inženirstvu, pri čemer temeljne koncepte povezujejo s praktičnimi primeri v okolju MATLAB. Predstavljeni so štirje temeljni pristopi strojnega učenja: nadzorovano učenje, nenadzorovano učenje, učenje z okrepitvijo in prenosno učenje. Za vsak pristop so podani temeljni koncepti, konkretni primeri uporabe ter naloge za samostojno delo. Poseben poudarek je na uporabi orodij, kot so Regression Learner, Classification Learner, Deep Network Designer in Reinforcement Learning Designer, s pomočjo katerih študenti razvijajo modele na podatkih, ki izvirajo iz realnih inženirskih primerov. Med njimi so obraba orodja, vibracije strojev, balansiranje sistemov in prepoznavanje predmetov. Skripta vključujejo tudi eksperimentalne podatkovne množice in praktične napotke za učenje, validacijo in izboljšavo modelov. Namenjena so študentom tehniških smeri ter vsem, ki želijo usvojiti uporabo metod strojnega učenja za reševanje konkretnih inženirskih problemov.
Ključne besede:strojno učenje, nadzorovano učenje, nenadzorovano učenje, učenje z okrepitvijo, prenosno učenje, MATLAB, inženirske aplikacije
Status publikacije:Objavljeno
Kraj izida:Maribor
Kraj izvedbe:Maribor
Založnik:Univerza v Mariboru, Univerzitetna založba
Leto izida:2025
Leto izvedbe:2025
PID:20.500.12556/DKUM-95916 Novo okno
ISBN:978-961-299-078-7
UDK:004.42:51
COBISS.SI-ID:256145411 Novo okno
DOI:10.18690/um.fs.10.2025 Novo okno
Datum objave v DKUM:10.11.2025
Število ogledov:0
Število prenosov:8
Metapodatki:XML DC-XML DC-RDF
Področja:Ostalo
:
Kopiraj citat
  
Skupna ocena:(0 glasov)
Vaša ocena:Ocenjevanje je dovoljeno samo prijavljenim uporabnikom.
Objavi na:Bookmark and Share


Postavite miškin kazalec na naslov za izpis povzetka. Klik na naslov izpiše podrobnosti ali sproži prenos.

Licence

Licenca:CC BY-NC 4.0, Creative Commons Priznanje avtorstva-Nekomercialno 4.0 Mednarodna
Povezava:http://creativecommons.org/licenses/by-nc/4.0/deed.sl
Opis:Licenca Creative Commons, ki prepoveduje komercialno uporabo, vendar uporabniki ne rabijo upravljati materialnih avtorskih pravic na izpeljanih delih z enako licenco.
Začetek licenciranja:10.11.2025

Sekundarni jezik

Jezik:Angleški jezik
Naslov:Machine Learning for Engineers : Concepts, Examples, and Applications in MATLAB
Opis:The book deals with machine learning from the perspective of its application in engineering, linking fundamental concepts with practical application in the MATLAB environment. Four basic approaches to machine learning are presented: supervised learning, unsupervised learning, reinforcement learning, and transfer learning. For each approach, basic concepts, specific use cases, and independent work assignments are provided. Special emphasis is placed on the use of tools such as Regression Learner, Classification Learner, Deep Network Designer, and Reinforcement Learning Designer, with which students develop models based on data derived from real engineering examples. These include tool wear, machine vibrations, system balancing, and object recognition. The scripts also include experimental data sets and practical guidelines for learning, validating, and improving models. They are intended for students of technical disciplines and anyone who wants to learn how to use machine learning methods to solve specific engineering problems.
Ključne besede:machine learning, supervised learning, unsupervised learning, reinforcement learning, transfer learning, MATLAB, engineering applications


Komentarji

Dodaj komentar

Za komentiranje se morate prijaviti.

Komentarji (0)
0 - 0 / 0
 
Ni komentarjev!

Nazaj
Logotipi partnerjev Univerza v Mariboru Univerza v Ljubljani Univerza na Primorskem Univerza v Novi Gorici