
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.
**راهنمای کامل مبتدیان برای فهم و ساخت سامانههای یادگیری ماشین با پایتون**
**یادگیری ماشین با پایتون برای همه** به شما کمک میکند فرآیندها، الگوها و استراتژیهایی را یاد بگیرید که برای ساخت سامانههای یادگیری مؤثر لازم دارید؛ حتی اگر کاملاً تازهکار باشید. اگر کمی پایتون بلد باشید، این کتاب برای شماست؛ فرقی نمیکند چقدر ریاضیات دانشگاهی بلد باشید. مارک ای. فنر، مدرس اصلی، با داستانهای ساده، تصویر و مثالهای پایتون ایدههای یادگیری ماشین را توضیح میدهد.
مارک ابتدا درباره یادگیری ماشین و کارهایی که میتواند انجام دهد صحبت میکند؛ مباحث مهم ریاضی و محاسباتی را بهشکلی قابلفهم معرفی میکند؛ و قدمبهقدم شما را در ساخت، آموزش و ارزیابی سامانههای یادگیری همراهی میکند. گامبهگام اجزای یک سامانه یادگیری عملی را کامل میکنید، جعبه ابزارتان را گستردهتر میکنید و برخی از پیشرفتهترین و هیجانانگیزترین تکنیکهای این حوزه را میشناسید. چه دانشجو باشید، چه تحلیلگر، دانشمند یا علاقهمند، بینشهای این راهنما برای هر سامانه یادگیری که بسازید یا به کار ببرید به کارتان میآید.
الگوریتمها، مدلها و مفاهیم اصلی یادگیری ماشین را بشناسید
نمونهها را با طبقهبندها دستهبندی کنید و با رگرسورها مقداردهی کنید
عملکرد سامانههای یادگیری ماشین را واقعبینانه بسنجید
با مهندسی ویژگی، دادههای خام را به شکلهای مفید درآورید
چندین جزء را در یک سامانه به هم وصل کنید و عملکردش را تنظیم کنید
تکنیکهای یادگیری ماشین را روی تصویر و متن به کار ببرید
مفاهیم اصلی را به شبکههای عصبی و مدلهای گرافیکی پیوند دهید
از کتابخانه پایتون scikit-learn و ابزارهای قدرتمند دیگر بهره ببرید
کتابتان را ثبت کنید تا بهسادگی به دانلودها، بهروزرسانیها و اصلاحات دسترسی داشته باشید. جزئیات را داخل کتاب ببینید.
**The Complete Beginner's Guide to Understanding and Building Machine Learning Systems with Python**__**Machine Learning with Python for Everyone**__will help you master the processes, patterns, and strategies you need to build effective learning systems, even if you're an absolute beginner. If you can write some Python code, this book is for you, no matter how little college-level math you know. Principal instructor Mark E. Fenner relies on plain-English stories, pictures, and Python examples to communicate the ideas of machine learning.Mark begins by discussing machine learning and what it can do; introducing key mathematical and computational topics in an approachable manner; and walking you through the first steps in building, training, and evaluating learning systems. Step by step, you'll fill out the components of a practical learning system, broaden your toolbox, and explore some of the field's most sophisticated and exciting techniques. Whether you're a student, analyst, scientist, or hobbyist, this guide's insights will be applicable to every learning system you ever build or use.Understand machine learning algorithms, models, and core machine learning concepts Classify examples with classifiers, and quantify examples with regressors Realistically assess performance of machine learning systems Use feature engineering to smooth rough data into useful forms Chain multiple components into one system and tune its performance Apply machine learning techniques to images and text Connect the core concepts to neural networks and graphical models Leverage the Python scikit-learn library and other powerful tools__Register your book for convenient access to downloads, updates, and/or corrections as they become available. See inside book for details.__