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.
******کتاب الکترونیکی رایگان برای مشتریانی که کتاب چاپی را از Amazon خریداری می‌کنند******
آیا به یادگیری بیشتر درباره «یادگیری ماشین» با پایتون فکر می‌کنید؟ این کتاب تلاش می‌کند اصطلاحات و الگوریتم‌های رایج را به شکلی شهودی و قابل‌فهم توضیح دهد.
نویسنده رویکردی مرحله‌به‌مرحله و پیش‌رونده داشته است؛ یعنی از ابتدا آرام شروع می‌کنیم و کم‌کم سطح پیچیدگی راه‌حل‌ها را بالاتر می‌بریم.
از طرف ناشر AI Sciences:
کتاب‌های ما شاید بهترین گزینه برای مبتدی‌ها باشند. این یک راهنمای قدم‌به‌قدم برای هر کسی است که می‌خواهد «هوش مصنوعی» و «علم داده» را از صفر شروع کند. به شما کمک می‌کند پایه‌ای محکم بسازید و سپس هر دوره سطح‌بالای دیگری را هم بهتر یاد بگیرید.
برای اینکه خوانندگان بیشترین بهره را از مفاهیمی که قرار است پوشش داده شود ببرند، توصیه می‌شود رویکردی «عملی» اتخاذ کنند؛ رویکردی که باعث می‌شود تصویر ذهنی دقیق‌تری از مطالب شکل بگیرد.
راهنمای گام‌به‌گام همراه با تصویرسازی‌ها و مثال‌ها
این کتاب و مثال‌های همراه، شما را برای حل مسائلی که برایتان جذاب است با استفاده از یادگیری ماشین کاملا آماده می‌کند.
به جای فرمول‌های سخت ریاضی، این کتاب چندین نمودار و تصویر دارد که همه مفاهیم مهم یادگیری ماشین و کاربردهای آن‌ها را به‌روشنی توضیح می‌دهد.
گروه‌های هدف
این کتاب برای طیف وسیعی از مخاطبان طراحی شده است. مناسب‌ترین افراد عبارت‌اند از:
کسانی که کنجکاو هستند بدانند الگوریتم‌ها چطور به پیش‌بینی می‌رسند، اما هیچ دانشی از این حوزه ندارند.
نرم‌افزارنویس‌ها و مهندسانی که سابقه برنامه‌نویسی قوی دارند، ولی می‌خواهند وارد حوزه یادگیری ماشین شوند.
حرفه‌ای‌های باتجربه در حوزه هوش مصنوعی و یادگیری ماشین که می‌خواهند دید کلی و «چشم‌انداز از بالا» نسبت به تکنیک‌ها و رویکردهای روز داشته باشند.
این کتاب شامل چه چیزهایی است؟
الگوریتم‌های یادگیری با نظارت
الگوریتم‌های یادگیری بدون نظارت
الگوریتم‌های یادگیری نیمه‌نظارتی
الگوریتم‌های یادگیری تقویتی
بیش‌برازش و کم‌برازش
درستی (correctness)
توازن سوگیری-واریانس (Bias-Variance Trade-off)
استخراج ویژگی و انتخاب ویژگی
یک مثال رگرسیون: پیش‌بینی قیمت‌های مسکن بوستون
وارد کردن کتابخانه‌ها:
چگونه پیش‌بینی کنیم و به پیش‌بینی برسیم
معرفی الگوریتم‌های محبوب طبقه‌بندی
معرفی k نزدیک‌ترین همسایه‌ها (K Nearest Neighbors)
معرفی ماشین بردار پشتیبان (Support Vector Machine)
مثالی از خوشه‌بندی
اجرای k-means با Scikit-Learn
معرفی یادگیری عمیق با استفاده از TensorFlow
مقایسه یادگیری عمیق با سایر رویکردهای یادگیری ماشین
کاربردهای یادگیری عمیق
چگونه شبکه عصبی را با TensorFlow اجرا کنیم
مطالعه‌های موردی با داده‌های واقعی
منابع و مراجع
سوالات متداول
س: آیا این کتاب برای من مناسب است و آیا باید تجربه برنامه‌نویسی داشته باشم؟
پ: اگر می‌خواهید یادگیری ماشین را از صفر «واقعی و سریع» شروع کنید، این کتاب برای شماست. اگر از قبل چند خط کدنویسی نوشته‌اید و جملات و دستورهای پایه برنامه‌نویسی را می‌شناسید، مشکلی ندارید.
س: آیا این کتاب همه چیزهایی را که برای تبدیل شدن به یک متخصص یادگیری ماشین لازم دارم دارد؟
پ: متاسفانه نه. این کتاب برای کسانی طراحی شده است که تازه‌وارد یادگیری ماشین شده‌اند؛ و برای اینکه در همه جنبه‌های یادگیری ماشین مهارت پیدا کنید، به یادگیری بیشتر از این کتاب هم نیاز خواهید داشت.
س: اگر کتاب برای من مناسب نباشد، آیا می‌توانم پولم را پس بگیرم؟
پ: بله. اگر راضی نباشید، آمازون هزینه را به شما بازمی‌گرداند. برای اطلاعات بیشتر درباره سرویس بازپرداخت آمازون، لطفا به پلتفرم راهنمای آمازون مراجعه کنید. اگر دوست دارید، ما هم خوشحال می‌شویم کمک کنیم؛ کافی است به آدرس ایمیل contact@aisciences.net برای ما ایمیل بزنید.
اگر می‌خواهید کیفیت کارمان را ببینید، شرکت AI Sciences یک کتاب الکترونیکی رایگان درباره یادگیری ماشین با پایتون به شما ارائه می‌کند که توسط دانشمند داده، Alain Kaufmann، نوشته شده است: http: //(http://aisciences.net/free-books/) aisciences.net/free-books/
******Free eBook for customers who purchase the print book from Amazon****** Are you thinking of learning more about Machine Learning using Python? This book would seek to explain common terms and algorithms in an intuitive way. The author used a progressive approach whereby we start out slowly and improve on the complexity of our solutions.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.Step By Step Guide and Visual Illustrations and Examples This book and the accompanying examples, you would be well suited to tackle problems which pique your interests using machine learning. Instead of tough math formulas, this book contains several graphs and images which detail all important Machine Learning concepts and their applications.Target Users The 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?Supervised Learning AlgorithmsUnsupervised Learning AlgorithmsSemi-supervised Learning AlgorithmsReinforcement Learning AlgorithmsOverfitting and underfittingcorrectnessThe Bias-Variance Trade-offFeature Extraction and SelectionA Regression Example: Predicting Boston Housing PricesImport Libraries:How to forecast and PredictPopular Classification AlgorithmsIntroduction to K Nearest NeighborsIntroduction to Support Vector MachineExample of ClusteringRunning K-means with Scikit-LearnIntroduction to Deep Learning using TensorFlowDeep Learning Compared to Other Machine Learning ApproachesApplications of Deep LearningHow to run the Neural Network using TensorFlowCases of Study with Real DataSources & ReferencesFrequently 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 is not fitted 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 at contact@aisciences.net. If you need to see the quality of our job, AI Sciences Company offering you a free eBook in Machine Learning with Python written by the data scientist Alain Kaufmann at http: //(http://aisciences.net/free-books/) aisciences.net/free-books/
هنر
رایانه و برنامه‌نویسی
زبان انگیسی (رایگان)
درسی و کمک درسی (رایگان)