
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.
با قدمهای کوچک وارد دنیای بزرگ علم داده شوید؛ با راهنمایی جذاب و خواندنی.
درباره این کتاب
* مبانی یادگیری ماشین را بیاموزید و برنامههای هوشمند خودتان را بسازید
* با این راهنمای عملی و مبتنی بر مثال، ساخت سیستمهای یادگیری ماشین را یاد بگیرید
* با الگوریتمهای مهم دستهبندی و رگرسیون و دیگر تکنیکهای یادگیری ماشین کار کنید
این کتاب برای چه کسانی است
این کتاب برای هر کسی است که میخواهد با یادگیری ماشین وارد مسیر علم داده شود. آشنایی اولیه با پایتون فرض شده است.
آنچه یاد میگیرید
* از قدرت پایتون برای استخراج، دستکاری و کاوش دادهها استفاده کنید
* با پایتون دادههایی را که در چند بُعد پخش شدهاند مصور کنید و ویژگیهای مفید را استخراج کنید
* وارد دنیای تحلیل شوید و موقعیتها را درست پیشبینی کنید
* الگوریتمهای دستهبندی و رگرسیون یادگیری ماشین را از صفر در پایتون پیادهسازی کنید
* ببینید این الگوریتمها واقعاً چطور کار میکنند
* عملکرد یک مدل یادگیری ماشین را ارزیابی کنید و آن را بهینه کنید
* در طول مسیر، مسائل واقعی و جالب را با یادگیری ماشین و پایتون حل کنید
جزئیات بیشتر
علم داده و یادگیری ماشین امروز از پرتکرارترین واژههای دنیای فناوریاند. علاقه دوباره به یادگیری ماشین بهخاطر همان عواملی است که دادهکاوی و تحلیل بیزی را محبوبتر از همیشه کردهاند. این کتاب نقطه ورود شما به یادگیری ماشین است.
کتاب با معرفی یادگیری ماشین و زبان پایتون شروع میشود و نشان میدهد چطور محیط را آماده کنید. بعد مفاهیم مهمی مثل تحلیل اکتشافی داده، پیشپردازش داده، استخراج ویژگی، مصورسازی و خوشهبندی داده، دستهبندی، رگرسیون و ارزیابی عملکرد مدل را یاد میگیرید. با پروژههای متنوع کتاب، مکانیزم چند الگوریتم مهم یادگیری ماشین را یاد میگیرید؛ دیگر آنقدرها مبهم و پیچیده به نظر نمیرسند. همچنین قدمبهقدم راهنمایی میشوید تا مدلهای خودتان را از صفر بسازید. در پایان، تصویر گستردهتری از اکوسیستم یادگیری ماشین و بهترین روشهای بهکارگیری این تکنیکها به دست میآورید.
با این کتاب یاد میگیرید مسائل دادهمحور را حل کنید و راهحلهایتان را با زبانی قدرتمند و در عین حال ساده، یعنی پایتون، پیاده کنید. مثالهای جذاب و دنبالکردنی—مثل دستهبندی موضوع اخبار، تشخیص ایمیل هرزنامه، پیشبینی کلیک روی تبلیغ آنلاین و پیشبینی قیمت سهام—شما را تا رسیدن به هدفتان همراه نگه میدارند.
سبک و رویکرد
این کتاب سفری جذاب است که از پایهها شروع میشود و کمکم سرعت میگیرد. هر مفهوم ابتدا بهاختصار در بستر کلیتر تعریف میشود و بعد کاربردش با جزئیات توضیح داده میشود. هر مفهوم با پروژهای همراه است که مسئلهای واقعی را حل میکند و کار عملی دارد—و به شما درک عمیقی از دنیای یادگیری ماشین میدهد. با زبانی ساده و در عین حال غنی—پایتون—مثالها را بهراحتی میفهمید و پیاده میکنید.
Take tiny steps to enter the big world of data science through this interesting guideAbout This Book\* Learn the fundamentals of machine learning and build your own intelligent applications\* Master the art of building your own machine learning systems with this example-based practical guide\* Work with important classification and regression algorithms and other machine learning techniquesWho This Book Is ForThis book is for anyone interested in entering the data science stream with machine learning. Basic familiarity with Python is assumed.What You Will Learn\* Exploit the power of Python to handle data extraction, manipulation, and exploration techniques\* Use Python to visualize data spread across multiple dimensions and extract useful features\* Dive deep into the world of analytics to predict situations correctly\* Implement machine learning classification and regression algorithms from scratch in Python\* Be amazed to see the algorithms in action\* Evaluate the performance of a machine learning model and optimize it\* Solve interesting real-world problems using machine learning and Python as the journey unfoldsIn DetailData science and machine learning are some of the top buzzwords in the technical world today. A resurging interest in machine learning is due to the same factors that have made data mining and Bayesian analysis more popular than ever. This book is your entry point to machine learning.This book starts with an introduction to machine learning and the Python language and shows you how to complete the setup. Moving ahead, you will learn all the important concepts such as, exploratory data analysis, data preprocessing, feature extraction, data visualization and clustering, classification, regression and model performance evaluation. With the help of various projects included, you will find it intriguing to acquire the mechanics of several important machine learning algorithms - they are no more obscure as they thought. Also, you will be guided step by step to build your own models from scratch. Toward the end, you will gather a broad picture of the machine learning ecosystem and best practices of applying machine learning techniques.Through this book, you will learn to tackle data-driven problems and implement your solutions with the powerful yet simple language, Python. Interesting and easy-to-follow examples, to name some, news topic classification, spam email detection, online ad click-through prediction, stock prices forecast, will keep you glued till you reach your goal.Style and approachThis book is an enticing journey that starts from the very basics and gradually picks up pace as the story unfolds. Each concept is first succinctly defined in the larger context of things, followed by a detailed explanation of their application. Every concept is explained with the help of a project that solves a real-world problem, and involves hands-on work--giving you a deep insight into the world of machine learning. With simple yet rich language--Python--you will understand and be able to implement the examples with ease.