دانلود کتاب Grokking Machine Learning (به فارسی: یادگیری ماشینی Grokking) نوشته شده توسط «Luis G. Serrano»
اطلاعات کتاب یادگیری ماشینی Grokking
موضوع اصلی: کامپیوتر – هوش مصنوعی (AI)
نوع: کتاب الکترونیکی
ناشر: Manning Publications
نویسنده: Luis G. Serrano
زبان: english
فرمت کتاب: EPUB (قابل تبدیل به سایر فرمت ها)
سال انتشار: 2021
تعداد صفحه: 350
حجم فایل: 9.80 مگابایت
کد کتاب: 1617295914 , 9781617295911
نوبت چاپ: 1
توضیحات کتاب یادگیری ماشینی Grokking
تکنیک‌های یادگیری ماشینی ارزشمندی را که می‌توانید با استفاده از ریاضیات دبیرستانی درک کرده و به کار ببرید، کشف کنید.
در Grokking Machine Learning یاد خواهید گرفت:
الگوریتم های نظارت شده برای طبقه بندی و تقسیم داده ها
روش‌هایی برای تمیز کردن و ساده‌سازی داده‌ها
بسته ها و ابزارهای یادگیری ماشین
شبکه های عصبی و روش های مجموعه برای مجموعه داده های پیچیده
Grokking Machine Learning به شما می آموزد که چگونه ML را در پروژه های خود تنها با استفاده از کدهای استاندارد پایتون و ریاضیات سطح دبیرستان اعمال کنید. هیچ دانش تخصصی برای مقابله با تمرینات عملی با استفاده از پایتون و ابزارهای یادگیری ماشینی در دسترس لازم نیست. این کتاب همراه با تمرین‌ها و پروژه‌های کوچک مبتنی بر پایتون، شما را در مسیر تبدیل شدن به یک متخصص یادگیری ماشین قرار می‌دهد.
خرید کتاب چاپی شامل یک کتاب الکترونیکی رایگان در قالب‌های PDF، Kindle و ePub از انتشارات منینگ است.
درباره فناوری
تکنیک‌های یادگیری ماشینی قدرتمندی را کشف کنید که فقط با استفاده از ریاضی دبیرستان می‌توانید آن را درک کرده و به کار ببرید! به زبان ساده، یادگیری ماشینی مجموعه‌ای از تکنیک‌ها برای تجزیه و تحلیل داده‌ها بر اساس الگوریتم‌هایی است که با ارائه داده‌های بیشتر به آن‌ها، نتایج بهتری ارائه می‌دهند. ML بسیاری از فناوری‌های پیشرفته مانند سیستم‌های توصیه، نرم‌افزار تشخیص چهره، بلندگوهای هوشمند و حتی ماشین‌های خودران را تامین می‌کند. این کتاب منحصر به فرد، مفاهیم اصلی یادگیری ماشین را با استفاده از مثال‌های مرتبط، تمرین‌های جذاب و تصاویر واضح معرفی می‌کند.
درباره کتاب
آموزش ماشینی Grokking الگوریتم ها و تکنیک های یادگیری ماشین را به گونه ای ارائه می دهد که همه بتوانند آن را درک کنند. این کتاب از اصطلاحات آکادمیک گیج کننده صرف نظر می کند و توضیحات واضحی ارائه می دهد که فقط به جبر اولیه نیاز دارد. همانطور که می روید، پروژه های جالبی با پایتون خواهید ساخت، از جمله مدل هایی برای تشخیص هرزنامه و تشخیص تصویر. همچنین مهارت‌های عملی برای تمیز کردن و آماده‌سازی داده‌ها به دست خواهید آورد.
آنچه در داخل است
الگوریتم های نظارت شده برای طبقه بندی و تقسیم داده ها
روش‌هایی برای تمیز کردن و ساده‌سازی داده‌ها
بسته ها و ابزارهای یادگیری ماشین
شبکه های عصبی و روش های مجموعه برای مجموعه داده های پیچیده
درباره خواننده
برای خوانندگانی که پایتون پایه را می دانند. دانش یادگیری ماشین لازم نیست.
درباره نویسنده
Luis G. Serrano یک دانشمند محقق در زمینه هوش مصنوعی کوانتومی است. او پیش از این مهندس یادگیری ماشین در گوگل و مربی هوش مصنوعی در اپل بود.
فهرست مطالب
1 یادگیری ماشینی چیست؟ عقل سلیم است، مگر اینکه توسط کامپیوتر انجام شود
2 نوع یادگیری ماشینی
3 رسم خطی نزدیک به نقاط ما: رگرسیون خطی
4 بهینه سازی فرآیند آموزش: کم تناسب، بیش از حد، آزمایش و منظم کردن
5 استفاده از خطوط برای تقسیم نقاط: الگوریتم پرسپترون
6 رویکرد پیوسته به نقاط تقسیم: طبقه بندی کننده های لجستیک
7 چگونه مدل های طبقه بندی را اندازه گیری می کنید؟ دقت و دوستان آن
8 استفاده از احتمال به حداکثر: مدل ساده بیز
9 تقسیم داده ها با پرسیدن سؤال: درختان تصمیم
10 ترکیب بلوک های سازنده برای به دست آوردن قدرت بیشتر: شبکه های عصبی
11 یافتن مرزها با سبک: پشتیبانی از ماشین های برداری و روش هسته
12 ترکیب مدل ها برای به حداکثر رساندن نتایج: یادگیری گروهی
13 اجرای همه چیز در عمل: نمونه ای واقعی از مهندسی داده و یادگیری ماشین
In Grokking Machine Learning you will learn:
Supervised algorithms for classifying and splitting data
Methods for cleaning and simplifying data
Machine learning packages and tools
Neural networks and ensemble methods for complex datasets
Grokking Machine Learning teaches you how to apply ML to your projects using only standard Python code and high school-level math. No specialist knowledge is required to tackle the hands-on exercises using Python and readily available machine learning tools. Packed with easy-to-follow Python-based exercises and mini-projects, this book sets you on the path to becoming a machine learning expert.
Purchase of the print book includes a free eBook in PDF, Kindle, and ePub formats from Manning Publications.
About the technology
Discover powerful machine learning techniques you can understand and apply using only high school math! Put simply, machine learning is a set of techniques for data analysis based on algorithms that deliver better results as you give them more data. ML powers many cutting-edge technologies, such as recommendation systems, facial recognition software, smart speakers, and even self-driving cars. This unique book introduces the core concepts of machine learning, using relatable examples, engaging exercises, and crisp illustrations.
About the book
Grokking Machine Learning presents machine learning algorithms and techniques in a way that anyone can understand. This book skips the confused academic jargon and offers clear explanations that require only basic algebra. As you go, you’ll build interesting projects with Python, including models for spam detection and image recognition. You’ll also pick up practical skills for cleaning and preparing data.
What’s inside
Supervised algorithms for classifying and splitting data
Methods for cleaning and simplifying data
Machine learning packages and tools
Neural networks and ensemble methods for complex datasets
About the reader
For readers who know basic Python. No machine learning knowledge necessary.
About the author
Luis G. Serrano is a research scientist in quantum artificial intelligence. Previously, he was a Machine Learning Engineer at Google and Lead Artificial Intelligence Educator at Apple.
Table of Contents
1 What is machine learning? It is common sense, except done by a computer
2 Types of machine learning
3 Drawing a line close to our points: Linear regression
4 Optimizing the training process: Underfitting, overfitting, testing, and regularization
5 Using lines to split our points: The perceptron algorithm
6 A continuous approach to splitting points: Logistic classifiers
7 How do you measure classification models? Accuracy and its friends
8 Using probability to its maximum: The naive Bayes model
9 Splitting data by asking questions: Decision trees
10 Combining building blocks to gain more power: Neural networks
11 Finding boundaries with style: Support vector machines and the kernel method
12 Combining models to maximize results: Ensemble learning
13 Putting it all in practice: A real-life example of data engineering and machine learning
دانلود کتاب «یادگیری ماشینی Grokking»
برای دریافت کد تخفیف ۲۰ درصدی این کتاب، ابتدا صفحه اینستاگرام کازرون آنلاین (@kazerun.online ) را دنبال کنید. سپس، کلمه «بلیان» را در دایرکت ارسال کنید تا کد تخفیف به شما ارسال شود.