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.
***** همین حالا بخرید (به‌زودی به 24.77 دلار برمی‌گردد) *****
ضمانت بازگشت پول توسط آمازون (مشاهده در بخش سوالات متداول در پایین)
آیا فکر می‌کنید می‌خواهید درباره یادگیری ماشین با پایتون بیشتر یاد بگیرید؟ (مخصوص مبتدیها)
این کتاب برای شماست. تلاش می‌کند همه چیزهایی را که باید درباره یادگیری ماشین بدانید و همچنین کاربرد آن با پایتون، به‌شیوه‌ای شهودی و روان توضیح دهد.
انتشارات AI Sciences
کتاب‌های ما شاید بهترین انتخاب برای مبتدیها باشد؛ یک راهنمای گام‌به‌گام برای هر کسی که می‌خواهد یادگیری هوش مصنوعی و علم داده را از صفر شروع کند. به شما کمک می‌کند یک پایه محکم بسازید و در ادامه، هر دوره سطح بالاتری را هم بهتر یاد بگیرید.
برای اینکه بیشترین بهره را از مفاهیمی که قرار است پوشش داده شوند ببرید، به خوانندگان توصیه می‌شود رویکردی «دستبهکار» داشته باشند؛ این کار باعث می‌شود نمایش‌های ذهنیِ بهتری از مطالب شکل بگیرد.
گروه هدف
این کتاب برای طیف گسترده‌ای از مخاطبان طراحی شده است. مناسب‌ترین خوانندگان عبارت‌اند از:
هر کسی که کنجکاو است بداند الگوریتم‌ها چگونه به پیش‌بینی‌ها می‌رسند، اما هیچ آشنایی قبلی با این حوزه ندارد.
برنامه‌نویسان و مهندسان نرم‌افزار که پیشینه قوی در برنامه‌نویسی دارند، اما می‌خواهند وارد حوزه یادگیری ماشین شوند.
حرفه‌ای‌های باتجربه در حوزه هوش مصنوعی و یادگیری ماشین که می‌خواهند دیدی کلی و جامع از تکنیک‌ها و رویکردهای جدید داشته باشند.
داخل این کتاب چه خبر است؟
مروری بر زبان برنامه‌نویسی پایتون
آمار
احتمال
فرایند علم داده
یادگیری ماشین
یادگیری با نظارت (Supervised Learning)
الگوریتم‌های یادگیری بدون نظارت (Unsupervised Learning)
الگوریتم‌های یادگیری نیمه‌نظارتی (Semi-supervised Learning)
الگوریتم‌های یادگیری تقویتی (Reinforcement Learning)
بیش‌برازش (Overfitting) و کم‌برازش (Underfitting)
ابزارهای علم داده با پایتون
ژوپیتر نوت‌بوک
پایتون عددی (NumPy)
پانداس (Pandas)
پایتون علمی (Scipy)
ماتپلات‌لیب (Matplotlib)
سایکیت‌لِرن (Scikit-Learn)
نزدیک‌ترین همسایه‌ها (K-Nearest Neighbors)
بیز ساده (Naive Bayes)
رگرسیون خطی ساده و چندگانه
رگرسیون لجستیک
مدل‌های خطی تعمیم‌یافته
درخت‌های تصمیم و جنگل تصادفی
شبکه‌های عصبی
پرسپترون‌ها (Perceptrons)
پس‌انتشار (Backpropagation)
خوشه‌بندی
K-means با Scikit-Learn
خوشه‌بندی سلسله‌مراتبیِ پایین‌به‌بالا (Bottom-up Hierarchical Clustering)
خوشه‌بندی K-means در شبکه
تحلیل شبکه (Network Analysis)
مرکزیّت بینابینی (Betweenness centrality)
مرکزیّت برداری (Eigenvector Centrality)
سیستم‌های پیشنهاددهنده (Recommender Systems)
طبقه‌بندی چندکلاسه (Multi-Class Classification)
الگوریتم‌های رایجِ طبقه‌بندی
ماشین بردار پشتیبان (Support Vector Machine)
یادگیری عمیق با TensorFlow
مطالعات موردی یادگیری عمیق
سوالات متداول
س: این کتاب برای من است و آیا به تجربه برنامه‌نویسی نیاز دارم؟
پ: اگر می‌خواهید یادگیری ماشین را از صفر «له» کنید و یک‌راست جلو بروید، این کتاب برای شماست. اگر قبلاً چند خط کد نوشته‌اید و جملات پایه برنامه‌نویسی را می‌شناسید، مشکلی نخواهید داشت.
س: آیا این کتاب همه چیزهایی را که برای تبدیل شدن به یک متخصص یادگیری ماشین لازم دارم پوشش می‌دهد؟
پ: متاسفانه نه. این کتاب برای کسانی طراحی شده است که قدم‌های اول را در یادگیری ماشین برمی‌دارند و برای اینکه به همه جنبه‌های یادگیری ماشین مسلط شوید، یادگیری بیشتر بعد از این کتاب هم لازم است.
س: اگر این کتاب برای من مناسب نباشد، می‌توانم پولم را پس بگیرم؟
پ: بله، اگر راضی نباشید، آمازون پول را به شما برمی‌گرداند. برای اطلاعات بیشتر درباره سرویس بازگشت وجهِ آمازون، لطفاً به پلتفرم راهنمای آمازون مراجعه کنید. اگر هم از طریق ایمیل (آدرس ایمیل داخل خودِ کتاب) به ما پیام بدهید، با کمال میل کمک‌تان می‌کنیم.
***** ضمانت بازگشت پول توسط آمازون *****
نقدهای سردبیری
"این کتاب در پوشش دادن بیشتر تکنیک‌های مهم، به‌صورت واضح و شهودی موفق می‌شود؛ برای تازه‌کارها و کسانی که می‌خواهند خیلی سریع مهارت و عملکردشان را در حوزه یادگیری ماشین بهتر کنند، کاملاً مناسب است."
-- آدریان بی.
پژوهشگر یادگیری ماشین
مشاوره برای شرکت‌های هوش مصنوعی
***** BUY NOW (will soon return to 24.77 $***** MONEY BACK GUARANTEE BY AMAZON (See Below FAQ) *****Are you thinking of learning more about Machine Learning using Python? (For Beginners)This book is for you. It would seek to explain you all need to know about machine learning and its application using Python in an intuitive way.From AI Sciences Publisher Our books may be the best one for beginners; it's a step-by-step guide for any person who wants to start learning Artificial Intelligence and Data Science from scratch. It will help you in preparing a solid foundation and learn any other high-level courses.To get the most out of the concepts that would be covered, readers are advised to adopt a hands on approach which would lead to better mental representations.Target UsersThe book designed for a variety of target audiences. The most suitable users would include:Anyone who is intrigued by how algorithms arrive at predictions but has no previous knowledge of the field.Software developers and engineers with a strong programming background but seeking to break into the field of machine learning.Seasoned professionals in the field of artificial intelligence and machine learning who desire a bird's eye view of current techniques and approaches.What's Inside This Book? Overview of Python Programming LanguageStatisticsProbabilityThe Data Science ProcessMachine LearningSupervised Learning AlgorithmsUnsupervised Learning AlgorithmsSemi-supervised Learning AlgorithmsReinforcement Learning AlgorithmsOverfitting and UnderfittingPython Data Science ToolsJupyter NotebookNumerical Python (Numpy)PandasScientific Python (Scipy)MatplotlibScikit-LearnK-Nearest NeighborsNaive BayesSimple and Multiple Linear RegressionLogistic RegressionGeneralized Linear ModelsDecision Trees and Random ForestNeural NetworksPerceptronsBackpropagationClusteringK-means with Scikit-LearnBottom-up Hierarchical ClusteringK-means ClusteringNetwork AnalysisBetweenness centralityEigenvector CentralityRecommender SystemsMulti-Class ClassificationPopular Classification AlgorithmsSupport Vector MachineDeep Learning using TensorFlowDeep Learning Case StudiesFrequently Asked QuestionsQ: Is this book for me and do I need programming experience?A: If you want to smash Machine Learning from scratch, this book is for you. If you already wrote a few lines of code and recognize basic programming statements, you'll be OK.Q: Does this book include everything I need to become a Machine Learning expert?A: Unfortunately, no. This book is designed for readers taking their first steps in Machine Learning and further learning will be required beyond this book to master all aspects of Machine Learning.Q: Can I have a refund if this book doesn't fit for me?A: Yes, Amazon refund you if you aren't satisfied, for more information about the amazon refund service please go to the amazon help platform. We will also be happy to help you if you send us an email (email address inside the book).***** MONEY BACK GUARANTEE BY AMAZON ***** Editorial Reviews "This book succeeds in covering most important techniques in a clear, intuitive way that is perfect for newbies and those seeking to improve their practice in the Machine LearningFields VERY QUICKLY ."--Adrian B.Machine Learning ResearcherConsulting AI company
هنر
رایانه و برنامه‌نویسی
زبان انگیسی (رایگان)
درسی و کمک درسی (رایگان)