
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.
دانش خود را در OpenCV گسترش دهید و مفاهیم کلیدی یادگیری ماشین را با این راهنمای عملی و کاربردی بیاموزید.
درباره این کتاب
• بارگذاری، ذخیره، ویرایش و نمایش دادهها با OpenCV و پایتون
• درک مفاهیم پایهای دستهبندی، رگرسیون و خوشهبندی
• فهمیدن، اجرا و آزمایش تکنیکهای یادگیری ماشین با این راهنمای ساده و روان
• ارزیابی، مقایسه و انتخاب الگوریتم مناسب برای هر کار
این کتاب برای چه کسانی است
این کتاب برای برنامهنویسان پایتونی نوشته شده که از قبل با OpenCV آشنا هستند؛ به شما ابزارها و درکی میدهد که برای ساخت سیستمهای یادگیری ماشین خودتان، متناسب با کارهای واقعی و کاربردی، لازم دارید.
چه چیزهایی یاد میگیرید
• کاوش و استفاده مؤثر از ماژول یادگیری ماشین OpenCV
• یادگیری عمیق برای بینایی کامپیوتر با پایتون
• تسلط بر رگرسیون خطی و تکنیکهای منظمسازی
• دستهبندی اشیایی مثل گونههای گل، ارقام دستنویس و عابران پیاده
• استفاده مؤثر از ماشینهای بردار پشتیبان، درختهای تصمیم تقویتشده و جنگلهای تصادفی
• آشنایی با شبکههای عصبی و یادگیری عمیق برای حل مسائل واقعی
• کشف ساختارهای پنهان در دادهها با خوشهبندی k-means
• مسلط شدن بر پیشپردازش داده و مهندسی ویژگی
با جزئیات بیشتر
یادگیری ماشین دیگر فقط یک اصطلاح رایج نیست؛ همهجا هست: از محافظت از ایمیل شما گرفته تا برچسبگذاری خودکار دوستان در عکسها، تا پیشبینی فیلمهایی که دوست دارید. بینایی کامپیوتر یکی از هیجانانگیزترین حوزههای کاربرد یادگیری ماشین امروز است و یادگیری عمیق سیستمهای نوآورانهای مثل خودروهای خودران و DeepMind گوگل را پیش میبرد.
OpenCV در تقاطع این موضوعات قرار دارد و یک کتابخانه متنباز جامع برای الگوریتمهای کلاسیک و پیشرفته بینایی کامپیوتر و یادگیری ماشین فراهم میکند. همراه با Anaconda پایتون، به همه کتابخانههای محاسباتی متنبازی که ممکن است بخواهید دسترسی دارید.
یادگیری ماشین برای OpenCV ابتدا شما را با مفاهیم ضروری یادگیری آماری، مثل دستهبندی و رگرسیون، آشنا میکند. وقتی مبانی پوشش داده شد، سراغ الگوریتمهای مختلفی مثل درختهای تصمیم، ماشینهای بردار پشتیبان و شبکههای بیزی میروید و یاد میگیرید چطور آنها را با دیگر قابلیتهای OpenCV ترکیب کنید. با پیشروی کتاب، مهارتهای یادگیری ماشین شما هم رشد میکند تا جایی که آماده شوید سراغ داغترین موضوع امروز این حوزه بروید: یادگیری عمیق.
در پایان این کتاب، آماده خواهید بود مسائل یادگیری ماشین خودتان را حل کنید؛ یا با تکیه بر کد منبع موجود، یا با نوشتن الگوریتم خودتان از صفر!
سبک و رویکرد
یادگیری ماشین OpenCV اصول نظری پایه یادگیری ماشین را به کاربردهای عملیشان وصل میکند؛ به شکلی که روی پرسیدن و پاسخ دادن به پرسشهای درست تمرکز دارد. این کتاب شما را با عناصر کلیدی OpenCV و کلاسهای قدرتمند یادگیری ماشین آن آشنا میکند و نشان میدهد چطور با مجموعهای از مدلها کار کنید.
Expand your OpenCV knowledge and master key concepts of machine learning using this practical, hands-on guide.About This Book• Load, store, edit, and visualize data using OpenCV and Python• Grasp the fundamental concepts of classification, regression, and clustering• Understand, perform, and experiment with machine learning techniques using this easy-to-follow guide• Evaluate, compare, and choose the right algorithm for any taskWho This Book Is ForThis book targets Python programmers who are already familiar with OpenCV; this book will give you the tools and understanding required to build your own machine learning systems, tailored to practical real-world tasks.What You Will Learn• Explore and make effective use of OpenCV's machine learning module• Learn deep learning for computer vision with Python• Master linear regression and regularization techniques• Classify objects such as flower species, handwritten digits, and pedestrians• Explore the effective use of support vector machines, boosted decision trees, and random forests• Get acquainted with neural networks and Deep Learning to address real-world problems• Discover hidden structures in your data using k-means clustering• Get to grips with data pre-processing and feature engineeringIn DetailMachine learning is no longer just a buzzword, it is all around us: from protecting your email, to automatically tagging friends in pictures, to predicting what movies you like. Computer vision is one of today's most exciting application fields of machine learning, with Deep Learning driving innovative systems such as self-driving cars and Google's DeepMind.OpenCV lies at the intersection of these topics, providing a comprehensive open-source library for classic as well as state-of-the-art computer vision and machine learning algorithms. In combination with Python Anaconda, you will have access to all the open-source computing libraries you could possibly ask for.Machine learning for OpenCV begins by introducing you to the essential concepts of statistical learning, such as classification and regression. Once all the basics are covered, you will start exploring various algorithms such as decision trees, support vector machines, and Bayesian networks, and learn how to combine them with other OpenCV functionality. As the book progresses, so will your machine learning skills, until you are ready to take on today's hottest topic in the field: Deep Learning.By the end of this book, you will be ready to take on your own machine learning problems, either by building on the existing source code or developing your own algorithm from scratch!Style and approachOpenCV machine learning connects the fundamental theoretical principles behind machine learning to their practical applications in a way that focuses on asking and answering the right questions. This book walks you through the key elements of OpenCV and its powerful machine learning classes, while demonstrating how to get to grips with a range of models.