کتاب الکترونیکی

یادگیری ماشینی در بیوتکنولوژی و علوم زیستی: مدل‌های یادگیری ماشین را با استفاده از پایتون بسازید و آن‌ها را در فضای ابری مستقر کنید.

Machine Learning in Biotechnology and Life Sciences: Build machine learning models using Python and deploy them on the cloud

دانلود کتاب Machine Learning in Biotechnology and Life Sciences: Build machine learning models using Python and deploy them on the cloud (به فارسی: یادگیری ماشینی در بیوتکنولوژی و علوم زیستی: مدل‌های یادگیری ماشین را با استفاده از پایتون بسازید و آن‌ها را در فضای ابری مستقر کنید.) نوشته شده توسط «Saleh Alkhalifa»


اطلاعات کتاب یادگیری ماشینی در بیوتکنولوژی و علوم زیستی: مدل‌های یادگیری ماشین را با استفاده از پایتون بسازید و آن‌ها را در فضای ابری مستقر کنید.

موضوع اصلی: کتاب های کودکان – کامپیوتر و فناوری

نوع: کتاب الکترونیکی

ناشر: Packt Publishing – ebooks Account

نویسنده: Saleh Alkhalifa

زبان: english

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

سال انتشار: 2022

تعداد صفحه: 408

حجم فایل: 15.88 مگابایت

کد کتاب: 1801811911 , 9781801811910

توضیحات کتاب یادگیری ماشینی در بیوتکنولوژی و علوم زیستی: مدل‌های یادگیری ماشین را با استفاده از پایتون بسازید و آن‌ها را در فضای ابری مستقر کنید.

با این راهنمای جامع همه ابزارها و الگوهای مورد نیاز دانشمندان داده را برای موفقیت در حرفه بیوتکنولوژی کاوش کنید

ویژگی‌های کلیدی

  • یادگیری برنامه‌های کاربردی یادگیری ماشینی در بخش‌های بیوتکنولوژی و علوم زیستی
  • کشف برنامه‌های هیجان‌انگیز در دنیای واقعی یادگیری عمیق و پردازش زبان طبیعی
  • درک فرآیند کلی استقرار مدل‌ها در پلتفرم‌های ابری مانند AWS و GCP

توضیحات کتاب

رشته‌های پررونق بیوتکنولوژی و علوم زیستی در چند سال اخیر شاهد تغییرات شدیدی بوده‌اند. با رشد رقابت در هر گوشه ای، شرکت ها در سراسر جهان به دنبال روش های مبتنی بر داده مانند یادگیری ماشینی برای بهینه سازی فرآیندها و کاهش هزینه ها هستند. این کتاب به دانشمندان، مهندسان و مدیران آزمایشگاه کمک می‌کند تا با اتخاذ رویکردی عملی برای یادگیری در مورد کاربردهای یادگیری ماشینی برای افزایش بهره‌وری و کارایی در کمترین زمان، ذهنیت یک دانشمند داده را توسعه دهند.

با یک دوره خرابی در پایتون، SQL و علم داده شروع کنید تا مدل‌های پیچیده را از ابتدا به‌طور خودکار تنظیم کنید تا فرآیندها را خودکار کنید و در حوزه بیوتکنولوژی و علوم زیستی پیش‌بینی کنید. با پیشروی، این کتاب تعدادی از تکنیک های پیشرفته در یادگیری ماشینی، یادگیری عمیق، و پردازش زبان طبیعی با استفاده از داده های دنیای واقعی را پوشش می دهد.

در پایان این کتاب یادگیری ماشینی، شما قادر خواهید بود. برای ساخت و استقرار مدل‌های یادگیری ماشین خود برای خودکارسازی فرآیندها و انجام پیش‌بینی‌ها با استفاده از AWS و GCP.

آنچه یاد خواهید گرفت

  • با برنامه‌نویسی Python و زبان پرس و جو ساخت‌یافته (SQL) شروع کنید
  • یک مدل پیش‌بینی یادگیری ماشین از ابتدا با استفاده از پایتون ایجاد کنید
  • مدل‌های یادگیری عمیق را تنظیم کنید تا عملکرد آنها را برای کارهای مختلف بهینه کنید
  • چگونگی استقرار، ارزیابی و نظارت را بیابید. مدلی در فضای ابری
  • آشنایی با نحوه اعمال تکنیک های پیشرفته برای داده های دنیای واقعی
  • کشف نحوه استفاده از روش های یادگیری عمیق کلیدی مانند LSTM و ترانسفورماتور

این کتاب برای چه کسی است

این کتاب برای دانشمندان داده و متخصصان علمی است که به دنبال فراتر رفتن از حوزه بیوتکنولوژی هستند. متخصصان علمی که قبلاً در بخش‌های داروسازی و بیوتکنولوژی تأسیس شده‌اند، این کتاب را مفید خواهند یافت. برای استفاده حداکثری از این کتاب به درک اولیه برنامه نویسی پایتون و پیشینه سطح مبتدی در پیوند علم داده نیاز است.

فهرست محتوا

  1. معرفی یادگیری ماشین برای بیوتکنولوژی
  2. معرفی پایتون و خط فرمان
  3. شروع به کار با SQL و پایگاه های داده رابطه ای
  4. تجسم داده ها با پایتون
  5. درک یادگیری ماشین
  6. بدون نظارت یادگیری ماشینی
  7. یادگیری ماشینی تحت نظارت
  8. درک یادگیری عمیق
  9. پردازش زبان طبیعی
  10. کاوش در تجزیه و تحلیل سری های زمانی
  11. استقرار مدل‌ها با برنامه‌های فلاسک
  12. استقرار برنامه‌ها در فضای ابری


Explore all the tools and templates needed for data scientists to drive success in their biotechnology careers with this comprehensive guide

Key Features

  • Learn the applications of machine learning in biotechnology and life science sectors
  • Discover exciting real-world applications of deep learning and natural language processing
  • Understand the general process of deploying models to cloud platforms such as AWS and GCP

Book Description

The booming fields of biotechnology and life sciences have seen drastic changes over the last few years. With competition growing in every corner, companies around the globe are looking to data-driven methods such as machine learning to optimize processes and reduce costs. This book helps lab scientists, engineers, and managers to develop a data scientist’s mindset by taking a hands-on approach to learning about the applications of machine learning to increase productivity and efficiency in no time.

You’ll start with a crash course in Python, SQL, and data science to develop and tune sophisticated models from scratch to automate processes and make predictions in the biotechnology and life sciences domain. As you advance, the book covers a number of advanced techniques in machine learning, deep learning, and natural language processing using real-world data.

By the end of this machine learning book, you’ll be able to build and deploy your own machine learning models to automate processes and make predictions using AWS and GCP.

What you will learn

  • Get started with Python programming and Structured Query Language (SQL)
  • Develop a machine learning predictive model from scratch using Python
  • Fine-tune deep learning models to optimize their performance for various tasks
  • Find out how to deploy, evaluate, and monitor a model in the cloud
  • Understand how to apply advanced techniques to real-world data
  • Discover how to use key deep learning methods such as LSTMs and transformers

Who this book is for

This book is for data scientists and scientific professionals looking to transcend to the biotechnology domain. Scientific professionals who are already established within the pharmaceutical and biotechnology sectors will find this book useful. A basic understanding of Python programming and beginner-level background in data science conjunction is needed to get the most out of this book.

Table of Contents

  1. Introducing Machine Learning for Biotechnology
  2. Introducing Python and the Command Line
  3. Getting Started with SQL and Relational Databases
  4. Visualizing Data with Python
  5. Understanding Machine Learning
  6. Unsupervised Machine Learning
  7. Supervised Machine Learning
  8. Understanding Deep Learning
  9. Natural Language Processing
  10. Exploring Time Series Analysis
  11. Deploying Models with Flask Applications
  12. Deploying Applications to the Cloud

دانلود کتاب «یادگیری ماشینی در بیوتکنولوژی و علوم زیستی: مدل‌های یادگیری ماشین را با استفاده از پایتون بسازید و آن‌ها را در فضای ابری مستقر کنید.»

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.

دیدگاهتان را بنویسید