دانلود کتاب Introduction to Machine Learning with Python: A Guide for Data Scientists (به فارسی: مقدمه ای بر یادگیری ماشین با پایتون: راهنمای دانشمندان داده) نوشته شده توسط «Andreas C. Müller – Sarah Guido»
اطلاعات کتاب مقدمه ای بر یادگیری ماشین با پایتون: راهنمای دانشمندان داده
موضوع اصلی: کامپیوتر – علوم کامپیوتر
نوع: کتاب الکترونیکی
ناشر: O’Reilly Media
نویسنده: Andreas C. Müller – Sarah Guido
زبان: english
فرمت کتاب: PDF (قابل تبدیل به سایر فرمت ها)
سال انتشار: 2016
تعداد صفحه: 392
حجم فایل: 31.62 مگابایت
کد کتاب: 1449369413 , 9781449369415
نوبت چاپ: 1
توضیحات کتاب مقدمه ای بر یادگیری ماشین با پایتون: راهنمای دانشمندان داده
یادگیری ماشین به بخشی جدایی ناپذیر از بسیاری از برنامه‌های تجاری و پروژه‌های تحقیقاتی تبدیل شده است، اما این زمینه منحصر به شرکت‌های بزرگ با تیم‌های تحقیقاتی گسترده نیست. اگر از پایتون، حتی به عنوان یک مبتدی، استفاده می کنید، این کتاب راه های عملی برای ساخت راه حل های یادگیری ماشین خود را به شما آموزش می دهد. با تمام داده‌های موجود امروز، برنامه‌های یادگیری ماشین تنها با تخیل شما محدود می‌شوند.
شما مراحل لازم برای ایجاد یک برنامه یادگیری ماشینی موفق با Python و کتابخانه scikit-learn را خواهید آموخت. نویسندگان آندریاس مولر و سارا گویدو بر جنبه‌های عملی استفاده از الگوریتم‌های یادگیری ماشین تمرکز می‌کنند، نه ریاضیات پشت آن‌ها. آشنایی با کتابخانه های NumPy و matplotlib به شما کمک می کند تا از این کتاب بیشتر بهره ببرید.
با این کتاب، موارد زیر را خواهید آموخت:
- مفاهیم اساسی و کاربردهای یادگیری ماشینی
- مزایا و کاستی های الگوریتم های یادگیری ماشینی پرکاربرد
- نحوه نمایش داده های پردازش شده توسط یادگیری ماشین، از جمله اینکه روی کدام جنبه های داده تمرکز کنیم
- روش های پیشرفته برای مدل ارزیابی و تنظیم پارامتر
- مفهوم خطوط لوله برای زنجیره‌بندی مدل‌ها و محصور کردن گردش کار شما
- روش‌های کار با داده‌های متنی، از جمله تکنیک‌های پردازش متنی خاص
- پیشنهادات برای بهبود مهارت های یادگیری ماشین و علم داده
Machine learning has become an integral part of many commercial applications and research projects, but this field is not exclusive to large companies with extensive research teams. If you use Python, even as a beginner, this book will teach you practical ways to build your own machine learning solutions. With all the data available today, machine learning applications are limited only by your imagination.
You’ll learn the steps necessary to create a successful machine-learning application with Python and the scikit-learn library. Authors Andreas Müller and Sarah Guido focus on the practical aspects of using machine learning algorithms, rather than the math behind them. Familiarity with the NumPy and matplotlib libraries will help you get even more from this book.
With this book, you’ll learn:
- Fundamental concepts and applications of machine learning
- Advantages and shortcomings of widely used machine learning algorithms
- How to represent data processed by machine learning, including which data aspects to focus on
- Advanced methods for model evaluation and parameter tuning
- The concept of pipelines for chaining models and encapsulating your workflow
- Methods for working with text data, including text-specific processing techniques
- Suggestions for improving your machine learning and data science skills
دانلود کتاب «مقدمه ای بر یادگیری ماشین با پایتون: راهنمای دانشمندان داده»
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.