کامپیوترها

یادگیری ماشینی در عمل

Machine Learning in Action

دانلود کتاب Machine Learning in Action (به فارسی: یادگیری ماشینی در عمل) نوشته شده توسط «Peter Harrington»

اطلاعات کتاب یادگیری ماشینی در عمل

موضوع اصلی: کامپیوترها

نوع: کتاب الکترونیکی

ناشر: Manning Publications

نویسنده: Peter Harrington

زبان: english

فرمت کتاب: PDF (قابل تبدیل به سایر فرمت ها)

سال انتشار: 2012

تعداد صفحه: 384 / 382

حجم فایل: 11.77 مگابایت

کد کتاب: 1617290181 , 9781617290183

توضیحات کتاب یادگیری ماشینی در عمل

خلاصه

یادگیری ماشینی در عمل کتاب منحصربه‌فردی است که نظریه‌های اساسی یادگیری ماشین را با واقعیت‌های عملی ساخت ابزار برای داده‌های روزمره ترکیب می‌کند. تحلیل و بررسی. شما از زبان برنامه نویسی انعطاف پذیر Python برای ساخت برنامه هایی استفاده خواهید کرد که الگوریتم هایی را برای طبقه بندی داده ها، پیش بینی، توصیه ها و ویژگی های سطح بالاتر مانند خلاصه سازی و ساده سازی پیاده سازی می کنند.

درباره کتاب

گفته می شود که یک ماشین زمانی یاد می گیرد که عملکرد آن با تجربه بهبود یابد. یادگیری به الگوریتم‌ها و برنامه‌هایی نیاز دارد که داده‌ها را جمع‌آوری کرده و الگوهای جالب یا مفید را نشان دهند. زمانی که حوزه تخصصی تحلیلگران و ریاضیدانان بود، یادگیری ماشین در حال تبدیل شدن به یک مهارت مورد نیاز بسیاری است.

یادگیری ماشینی در عمل

یک آموزش کاملاً نوشته شده برای توسعه دهندگان است. از زبان آکادمیک اجتناب می‌کند و شما را مستقیماً به تکنیک‌هایی می‌برد که در کار روزانه‌تان استفاده می‌کنید. بسیاری از مثال‌های (پایتون) الگوریتم‌های اصلی پردازش داده‌های آماری، تجزیه و تحلیل داده‌ها و تجسم داده‌ها را در کدهایی که می‌توانید دوباره استفاده کنید، ارائه می‌کنند. شما مفاهیم و نحوه تطابق آنها با وظایف تاکتیکی مانند طبقه بندی، پیش بینی، توصیه ها و ویژگی های سطح بالاتر مانند خلاصه سازی و ساده سازی را درک خواهید کرد.

خوانندگان نیازی به تجربه قبلی با یادگیری ماشینی یا پردازش آماری ندارند. آشنایی با Python مفید است.

What’s Inside

  • یک مقدمه بی معنی
  • نمونه هایی که وظایف رایج ML را نشان می دهد
  • هر روز تجزیه و تحلیل داده ها
  • پیاده سازی الگوریتم های کلاسیک مانند Apriori و Adaboos

====================== ===========

فهرست مطالب

    بخش 1 طبقه بندی

  1. اصول یادگیری ماشین
  2. طبقه بندی با k-Nearest همسایه ها
  3. تقسیم مجموعه داده ها در یک زمان: درخت های تصمیم
  4. طبقه بندی با نظریه احتمال: بیز ساده
  5. رگرسیون لجستیک
  6. بردار پشتیبانی ماشین ها
  7. بهبود طبقه بندی با الگوریتم متا AdaBoost

    8. قسمت 2 پیش بینی مقادیر عددی با رگرسیون

  8. پیش بینی مقادیر عددی: رگرسیون
  9. رگرسیون مبتنی بر درخت

    10. بخش 3 یادگیری بدون نظارت

  10. گروه بندی اقلام بدون برچسب با استفاده از خوشه بندی k-means
  11. تحلیل ارتباط با الگوریتم Apriori
  12. یافتن کارآمد مجموعه آیتم های مکرر با رشد FP h

    13. بخش 4 ابزارهای اضافی

  13. استفاده از تجزیه و تحلیل مؤلفه های اصلی برای ساده سازی داده ها
  14. ساده سازی داده ها با تجزیه مقدار منفرد
  15. داده های بزرگ و کاهش نقشه

Summary

Machine Learning in Action is unique book that blends the foundational theories of machine learning with the practical realities of building tools for everyday data analysis. You’ll use the flexible Python programming language to build programs that implement algorithms for data classification, forecasting, recommendations, and higher-level features like summarization and simplification.

About the Book

A machine is said to learn when its performance improves with experience. Learning requires algorithms and programs that capture data and ferret out the interesting or useful patterns. Once the specialized domain of analysts and mathematicians, machine learning is becoming a skill needed by many.

Machine Learning in Action

is a clearly written tutorial for developers. It avoids academic language and takes you straight to the techniques you’ll use in your day-to-day work. Many (Python) examples present the core algorithms of statistical data processing, data analysis, and data visualization in code you can reuse. You’ll understand the concepts and how they fit in with tactical tasks like classification, forecasting, recommendations, and higher-level features like summarization and simplification.

Readers need no prior experience with machine learning or statistical processing. Familiarity with Python is helpful.

What’s Inside

  • A no-nonsense introduction
  • Examples showing common ML tasks
  • Everyday data analysis
  • Implementing classic algorithms like Apriori and Adaboos

===================================

Table of Contents

    PART 1 CLASSIFICATION

  1. Machine learning basics
  2. Classifying with k-Nearest Neighbors
  3. Splitting datasets one feature at a time: decision trees
  4. Classifying with probability theory: naïve Bayes
  5. Logistic regression
  6. Support vector machines
  7. Improving classification with the AdaBoost meta algorithm

    8. PART 2 FORECASTING NUMERIC VALUES WITH REGRESSION

  8. Predicting numeric values: regression
  9. Tree-based regression

    10. PART 3 UNSUPERVISED LEARNING

  10. Grouping unlabeled items using k-means clustering
  11. Association analysis with the Apriori algorithm
  12. Efficiently finding frequent itemsets with FP-growth

    13. PART 4 ADDITIONAL TOOLS

  13. Using principal component analysis to simplify data
  14. Simplifying data with the singular value decomposition
  15. Big data and MapReduce

دانلود کتاب «یادگیری ماشینی در عمل»

مبلغی که بابت خرید کتاب می‌پردازیم به مراتب پایین‌تر از هزینه‌هایی است که در آینده بابت نخواندن آن خواهیم پرداخت.

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.

برچسب ها

دیدگاهتان را بنویسید

مبلغی که بابت خرید کتاب می‌پردازیم به مراتب پایین‌تر از هزینه‌هایی است که در آینده بابت نخواندن آن خواهیم پرداخت.
کتابخانه دیجیتال بَلیان