
۴۴٬۰۰۰تومان
نوع فایل دانلود: EPUB
پس از خرید، یک فایل EPUB دریافت میکنید.
این فایل با Calibre، Apple Books و سایر کتابخوانهای دیجیتال مناسب است.
یادگیری ماشین کاربردی با پایهای محکم در نظریه. بازنویسیشده و گسترشیافته برای TensorFlow 2، شبکههای مولد تخاصمی (GAN) و یادگیری تقویتی.
ویژگیهای کلیدی
• ویرایش سوم کتاب پرفروش و تحسینشده یادگیری ماشین با پایتون
• توضیحات روشن و شهودی که شما را به عمق نظریه و عمل یادگیری ماشین با پایتون میبرد
• کاملاً بهروز و گسترشیافته برای پوشش TensorFlow 2، مدلهای شبکه مولد تخاصمی، یادگیری تقویتی و بهترین رویهها
درباره کتاب
یادگیری ماشین با پایتون، ویرایش سوم، راهنمایی جامع برای یادگیری ماشین و یادگیری عمیق با پایتون است. هم مانند یک آموزش گامبهگام عمل میکند و هم مرجعی است که هنگام ساخت سیستمهای یادگیری ماشین بارها به آن برمیگردید.
این کتاب با توضیحات روشن، تصاویر و مثالهای عملی، همه تکنیکهای ضروری یادگیری ماشین را بهطور عمیق پوشش میدهد. بعضی کتابها فقط به شما یاد میدهند دستورالعملها را دنبال کنید؛ اما راشکا و میرجلیلی اصول پشت یادگیری ماشین را آموزش میدهند تا خودتان بتوانید مدلها و برنامهها را بسازید.
این ویرایش سوم برای TensorFlow 2.0 بهروز شده و خوانندگان را با امکانات جدید Keras API و آخرین افزودههای scikit-learn آشنا میکند. همچنین گسترش یافته تا تکنیکهای پیشرفته یادگیری تقویتی مبتنی بر یادگیری عمیق و مقدمهای بر GANها را پوشش دهد. در نهایت، این کتاب به یکی از زیرشاخههای پردازش زبان طبیعی (NLP) به نام تحلیل احساس هم میپردازد و به شما یاد میدهد چگونه با الگوریتمهای یادگیری ماشین اسناد را دستهبندی کنید.
چه تازهوارد به یادگیری ماشین باشید و چه بخواهید دانش خود را از تازهترین پیشرفتها عمیقتر کنید، این کتاب همراه شما در یادگیری ماشین با پایتون است.
آنچه یاد میگیرید
• تسلط بر چارچوبها، مدلها و تکنیکهایی که به ماشینها امکان «یادگیری» از داده را میدهند
• استفاده از scikit-learn برای یادگیری ماشین و TensorFlow برای یادگیری عمیق
• بهکارگیری یادگیری ماشین در دستهبندی تصویر، تحلیل احساس، برنامههای وب هوشمند و بیشتر
• ساخت و آموزش شبکههای عصبی، GANها و مدلهای دیگر
• آشنایی با بهترین رویهها برای ارزیابی و تنظیم مدلها
• پیشبینی نتایج پیوسته هدف با استفاده از تحلیل رگرسیون
• کاوش عمیقتر در دادههای متنی و شبکههای اجتماعی با تحلیل احساس
این کتاب برای چه کسانی است
اگر کمی پایتون بلد هستید و میخواهید از یادگیری ماشین و یادگیری عمیق استفاده کنید، این کتاب را بردارید. چه بخواهید از صفر شروع کنید و چه دانش یادگیری ماشین خود را گسترش دهید، این منبعی ضروری است. این کتاب برای توسعهدهندگان و دانشمندان دادهای نوشته شده که میخواهند کد عملی یادگیری ماشین و یادگیری عمیق بنویسند و برای هر کسی ایدهآل است که میخواهد به کامپیوترها یاد بدهد از داده بیاموزند.
Applied machine learning with a solid foundation in theory. Revised and expanded for TensorFlow 2, GANs, and reinforcement learning.Key Features• Third edition of the bestselling, widely acclaimed Python machine learning book• Clear and intuitive explanations take you deep into the theory and practice of Python machine learning• Fully updated and expanded to cover TensorFlow 2, Generative Adversarial Network models, reinforcement learning, and best practicesBook DescriptionPython Machine Learning, Third Edition is a comprehensive guide to machine learning and deep learning with Python. It acts as both a step-by-step tutorial, and a reference you'll keep coming back to as you build your machine learning systems.Packed with clear explanations, visualizations, and working examples, the book covers all the essential machine learning techniques in depth. While some books teach you only to follow instructions, with this machine learning book, Raschka and Mirjalili teach the principles behind machine learning, allowing you to build models and applications for yourself.Updated for TensorFlow 2.0, this new third edition introduces readers to its new Keras API features, as well as the latest additions to scikit-learn. It's also expanded to cover cutting-edge reinforcement learning techniques based on deep learning, as well as an introduction to GANs. Finally, this book also explores a subfield of natural language processing (NLP) called sentiment analysis, helping you learn how to use machine learning algorithms to classify documents.This book is your companion to machine learning with Python, whether you're a Python developer new to machine learning or want to deepen your knowledge of the latest developments.What you will learn• Master the frameworks, models, and techniques that enable machines to 'learn' from data• Use scikit-learn for machine learning and TensorFlow for deep learning• Apply machine learning to image classification, sentiment analysis, intelligent web applications, and more• Build and train neural networks, GANs, and other models• Discover best practices for evaluating and tuning models• Predict continuous target outcomes using regression analysis• Dig deeper into textual and social media data using sentiment analysisWho This Book Is ForIf you know some Python and you want to use machine learning and deep learning, pick up this book. Whether you want to start from scratch or extend your machine learning knowledge, this is an essential resource. Written for developers and data scientists who want to create practical machine learning and deep learning code, this book is ideal for anyone who wants to teach computers how to learn from data.