دانلود کتاب Machine Learning with PySpark: With Natural Language Processing and Recommender Systems (به فارسی: یادگیری ماشین با PySpark: با پردازش زبان طبیعی و سیستم‌های توصیه‌کننده) نوشته شده توسط «Pramod Singh»
اطلاعات کتاب یادگیری ماشین با PySpark: با پردازش زبان طبیعی و سیستم‌های توصیه‌کننده
موضوع اصلی: کامپیوتر – علوم کامپیوتر
نوع: کتاب الکترونیکی
ناشر: Apress
نویسنده: Pramod Singh
زبان: english
فرمت کتاب: PDF (قابل تبدیل به سایر فرمت ها)
سال انتشار: 2019
تعداد صفحه: 223 / 237
حجم فایل: 7.05 مگابایت
کد کتاب: 1484241304 , 9781484241301
نوبت چاپ: 1
توضیحات کتاب یادگیری ماشین با PySpark: با پردازش زبان طبیعی و سیستم‌های توصیه‌کننده
برای حل چالش‌های مختلف تجاری، مدل‌های یادگیری ماشین، برنامه‌های پردازش زبان طبیعی و سیستم‌های توصیه‌کننده را با PySpark بسازید. این کتاب با مبانی Spark و تکامل آن شروع می شود و سپس کل طیف الگوریتم های یادگیری ماشین سنتی را به همراه پردازش زبان طبیعی و سیستم های توصیه کننده با استفاده از PySpark پوشش می دهد.
یادگیری ماشین با PySpark به شما نشان می‌دهد که چگونه مدل‌های یادگیری ماشینی نظارت شده مانند رگرسیون خطی، رگرسیون لجستیک، درخت‌های تصمیم‌گیری و جنگل تصادفی بسازید. همچنین مدل‌های یادگیری ماشینی بدون نظارت مانند K-means و خوشه‌بندی سلسله مراتبی را خواهید دید. بخش عمده ای از کتاب بر مهندسی ویژگی تمرکز دارد تا ویژگی های مفیدی را با PySpark برای آموزش مدل های یادگیری ماشین ایجاد کند. بخش پردازش زبان طبیعی شامل پردازش متن، متن کاوی و جاسازی برای طبقه بندی می شود.
پس از خواندن این کتاب، نحوه استفاده از کتابخانه یادگیری ماشین PySpark برای ساخت و آموزش مدل‌های مختلف یادگیری ماشین را خواهید فهمید. علاوه بر این، شما با مؤلفه‌های مرتبط PySpark، مانند دریافت داده‌ها، پردازش داده‌ها، و تجزیه و تحلیل داده‌ها که می‌توانید برای توسعه برنامه‌های کاربردی هوشمند مبتنی بر داده‌ها استفاده کنید، راحت خواهید بود.
آنچه خواهید آموخت
• طیفی از الگوریتم های یادگیری ماشینی تحت نظارت و بدون نظارت را بسازید
• الگوریتم های یادگیری ماشین را با کتابخانه های Spark MLlib
پیاده سازی کنید
• یک سیستم توصیه گر با کتابخانه های Spark MLlib
ایجاد کنید
• رسیدگی به مسائل مربوط به مهندسی ویژگی، تعادل کلاس، تعصب و واریانس، و اعتبارسنجی متقاطع برای ساخت یک مدل مناسب بهینه
این کتاب برای چه کسی است
متخصصان علم داده و یادگیری ماشین.
Machine Learning with PySpark shows you how to build supervised machine learning models such as linear regression, logistic regression, decision trees, and random forest. You’ll also see unsupervised machine learning models such as K-means and hierarchical clustering. A major portion of the book focuses on feature engineering to create useful features with PySpark to train the machine learning models. The natural language processing section covers text processing, text mining, and embedding for classification.
After reading this book, you will understand how to use PySpark’s machine learning library to build and train various machine learning models. Additionally you’ll become comfortable with related PySpark components, such as data ingestion, data processing, and data analysis, that you can use to develop data-driven intelligent applications.
What You Will Learn
• Build a spectrum of supervised and unsupervised machine learning algorithms
• Implement machine learning algorithms with Spark MLlib libraries
• Develop a recommender system with Spark MLlib libraries
• Handle issues related to feature engineering, class balance, bias and variance, and cross validation for building an optimal fit model
Who This Book Is For
Data science and machine learning professionals.
دانلود کتاب «یادگیری ماشین با PySpark: با پردازش زبان طبیعی و سیستم‌های توصیه‌کننده»
