
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.
درباره این کتاببا ابزارهای متنباز پایتون، مدلهای پیشبینانهٔ پیشرفته بسازید.با این راهنمای آیندهنگر بیاموزید چطور الگوریتم یادگیری ماشین مناسب مسئلهتان را پیدا کنید.روشهای اصلی مدلسازی پیشبینانه را بفهمید و از سطح پایه فراتر بروید تا درک عمیقتری پیدا کنید.این کتاب برای چه کسانی استاین کتاب برای تحلیلگران کسبوکار، دانشمندان داده و توسعهدهندگانی نوشته شده که میخواهند فرایند ساخت راهحلهای پیشرفتهٔ تحلیلی با پایتون را یاد بگیرند. خواننده باید تجربهٔ پایه در توسعه با پایتون داشته باشد و با آمار توصیفی و اصول مدلسازی پیشبینانه هم آشنا باشد.آنچه یاد میگیریدبا اجزا و تصمیمهای طراحی یک برنامهٔ تحلیلی آشنا شوید.استفاده از نوتبوکهای پایتون برای تحلیل اکتشافی داده و نمونهسازی سریع را مسلط شوید.یاد بگیرید چطور الگوریتمهای رگرسیون، طبقهبندی، خوشهبندی و یادگیری عمیق را روی مجموعهدادههای گوناگون به کار ببرید.روشهای پیشرفته برای تحلیل دادههای ساختیافته و بدون ساخت.بفهمید چطور یک مدل یادگیری ماشین را در محیط عملیاتی مستقر کنید.عملکرد مدلها و بینشهایی را که تولید میکنند، بصریسازی کنید.با رشد دادهها، با پایاسپارک راهحلهایتان را مقیاسپذیر کنید.با تسلط بر بهترین روشهای تحلیل پیشبینانه، استحکام برنامههای تحلیلیتان را تضمین کنید.با جزئیاتدر کتاب تسلط بر تحلیل پیشبینانه با پایتون، فرایند تبدیل دادهٔ خام به بینشهای قدرتمند را یاد میگیرید. این جلد با مطالعهٔ موردی و نمونههای کد از کتابخانههای محبوب متنباز پایتون، فرایند کامل توسعهٔ برنامههای تحلیلی را نشان میدهد. یاد میگیرید چطور این روشها را سریع روی دادههای خودتان اعمال کنید و سرویسهای پیشبینی مقاوم و مقیاسپذیر بسازید.این جلد طیف گستردهای از الگوریتمهای طبقهبندی، رگرسیون و خوشهبندی، و همچنین تکنیکهای پیشرفتهای مثل یادگیری عمیق را پوشش میدهد و نه فقط نحوهٔ کار این روشها، بلکه پیادهسازی عملی آنها را هم نشان میدهد. یاد میگیرید رویکرد درست را برای مسئلهتان انتخاب کنید و چطور تجسمهای جذاب بسازید تا بینشهای مدلسازی پیشبینانه زنده شوند.
About This BookMaster open source Python tools to build sophisticated predictive modelsLearn to identify the right machine learning algorithm for your problem with this forward-thinking guideGrasp the major methods of predictive modeling and move beyond the basics to a deeper level of understandingWho This Book Is ForThis book is designed for business analysts, data scientists, and developers who want want to learn the process of building advanced analytics solutions using Python. The reader is expected to have basic development experience with Python as well as basic knowledge of descriptive statistics and the principles of predictive modelingWhat You Will LearnGain insight into the components and design decisions for an analytical applicationMaster the use of Python notebooks for exploratory data analysis and rapid prototypingLearn how to apply regression, classification, clustering, and deep learning algorithms on diverse datasetsAdvanced methods for analyzing structured and unstructured dataFind out how to deploy a machine learning model in a production environmentVisualize the performance of models and the insights they produceScale your solutions as your data grows using PySparkEnsure the robustness of your analytic applications by mastering best practices for predictive analysisIn DetailIn Mastering Predictive Analytics with Python, you will learn the process of turning raw data into powerful insights. Through case studies and code examples using popular open-source Python libraries, this volume illustrates the complete development process for analytic applications. You will learn how to quickly apply these methods to your own data to create robust and scalable prediction services.Covering a wide range of algorithms for classification, regression, clustering, as well as cutting-edge techniques such as deep learning, this volume illustrates not only how these methods work, but how to implement them in practice. You will learn to choose the right approach for your problem and how to develop engaging visualizations to bring the insights of predictive modeling to life.