
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.
بهرهگیری از تکنیکهای یادگیری ماشین با پایتون
درباره این کتاب
با استراتژیهای مؤثر، سیستمهای یادگیری ماشین را بهتر کنید و بهینهسازی کنید. برای کار با حجم زیاد داده، یک راهبرد بسازید. با کد پایتون، طیف گستردهای از الگوریتمها و تکنیکهای یادگیری ماشین را پیادهسازی کنید.
این کتاب برای چه کسانی است
این عنوان برای دانشمندان داده و پژوهشگرانی است که از قبل در حوزه علم داده فعالیت میکنند و میخواهند یادگیری ماشین را در عمل ببینند و کاربردهای واقعی آن را بررسی کنند. آشنایی قبلی با برنامهنویسی پایتون و ریاضیات ضروری است و دانش پایهای از مفاهیم یادگیری ماشین هم لازم است.
چه چیزهایی یاد میگیرید
یاد بگیرید کد پایتون تمیز و شیک بنویسید تا قدرت الگوریتمهایتان را به حداکثر برسانید. با خوشهبندی، الگوها و ساختارهای پنهان در داده را پیدا کنید. با تکنیکهای قوی مهندسی ویژگی، دقت و یکنواختی نتایج را بالا ببرید. درک عملی و نظری از الگوریتمهای پیشرفته یادگیری عمیق بهدست آورید. با ساخت مدل، مسائل خاص را حل کنید. با فرایند طراحی یادگیری ماشین آشنا شوید.
با جزئیات بیشتر
یادگیری ماشین و تحلیل پیشبینانه به یکی از راهبردهای کلیدی برای رشد در بازار رقابتی امروز تبدیل شدهاند. این حوزه یکی از سریعترین روندهای رو به رشد در رایانش مدرن است و خیلیها میخواهند وارد آن شوند. برای اینکه در این زمینه جایگاه مناسبی پیدا کنید، باید بتوانید یک سیستم یادگیری ماشین را بفهمید و طوری طراحی کنید که نیاز پروژه را برآورده کند.
هدف این است که مسیر یادگیریای فراهم شود که به شما کمک کند پیچیدگیهای واقعی یادگیری ماشین مدرن را با تکنیکهای نو و پیشرفته پشت سر بگذارید. همچنین پایهای محکم در فرایند طراحی یادگیری ماشین به شما میدهد و کمک میکند مدلهای سفارشی بسازید تا مسائل خاص خودتان را حل کنید.
دوره با تثبیت مبانی پایتون شروع میشود. تمرکز آن روی پاسخ به پرسشهای درست است و طیف گستردهای از کتابخانههای قدرتمند پایتون را پوشش میدهد؛ از جمله scikit-learn، Theano و Keras.
بعد از آشنایی با مفاهیم اصلی پایتون، نوبت ورود به حوزه علم داده است. در ادامه، پایهای محکم در طراحی یادگیری ماشین بهدست میآورید و یاد میگیرید مدلها را برای حل مسائل سفارشی کنید.
در مراحل بعد، با تکنیکهای پیشرفتهتر آشنا میشوید و مجموعهای وسیع از مهارتهای قدرتمند در انتخاب ویژگی و مهندسی ویژگی کسب میکنید.
سبک و رویکرد
این دوره همه منابعی را در اختیار شما میگذارد که برای ورود به حوزه علم داده با پایتون به آنها نیاز دارید. هدف این است که عناصر پایتون را مرور کنید و کتابخانههای قدرتمند یادگیری ماشین را پوشش دهید. این دوره مدلهای مهم یادگیری ماشین را قدمبهقدم توضیح میدهد. هر موضوع با کاربردهای واقعی و راهنمایی دقیق توضیح داده شده است.
با این راهنمای جامع میتوانید تکنیکهای یادگیری ماشین را کاوش کنید.
Leverage benefits of machine learning techniques using PythonAbout This BookImprove and optimise machine learning systems using effective strategies. Develop a strategy to deal with a large amount of data. Use of Python code for implementing a range of machine learning algorithms and techniques. Who This Book Is ForThis title is for data scientist and researchers who are already into the field of data science and want to see machine learning in action and explore its real-world application. Prior knowledge of Python programming and mathematics is must with basic knowledge of machine learning concepts.What You Will LearnLearn to write clean and elegant Python code that will optimize the strength of your algorithms Uncover hidden patterns and structures in data with clustering Improve accuracy and consistency of results using powerful feature engineering techniques Gain practical and theoretical understanding of cutting-edge deep learning algorithms Solve unique tasks by building models Get grips on the machine learning design process In DetailMachine learning and predictive analytics are becoming one of the key strategies for unlocking growth in a challenging contemporary marketplace. It is one of the fastest growing trends in modern computing, and everyone wants to get into the field of machine learning. In order to obtain sufficient recognition in this field, one must be able to understand and design a machine learning system that serves the needs of a project.The idea is to prepare a learning path that will help you to tackle the real-world complexities of modern machine learning with innovative and cutting-edge techniques. Also, it will give you a solid foundation in the machine learning design process, and enable you to build customized machine learning models to solve unique problems.The course begins with getting your Python fundamentals nailed down. It focuses on answering the right questions that cove a wide range of powerful Python libraries, including scikit-learn Theano and Keras.After getting familiar with Python core concepts, it's time to dive into the field of data science. You will further gain a solid foundation on the machine learning design and also learn to customize models for solving problems.At a later stage, you will get a grip on more advanced techniques and acquire a broad set of powerful skills in the area of feature selection and feature engineering.Style and approachThis course includes all the resources that will help you jump into the data science field with Python. The aim is to walk through the elements of Python covering powerful machine learning libraries. This course will explain important machine learning models in a step-by-step manner. Each topic is well explained with real-world applications with detailed guidance.Through this comprehensive guide, you will be able to explore machine learning techniques.