دانلود کتاب The Machine Learning Workshop: Get ready to develop your own high-performance machine learning algorithms with scikit-learn, 2nd Edition (به فارسی: کارگاه یادگیری ماشین: برای توسعه الگوریتمهای یادگیری ماشینی با کارایی بالا خود با scikit-learn، نسخه دوم آماده شوید.) نوشته شده توسط «Hyatt Saleh»
اطلاعات کتاب کارگاه یادگیری ماشین: برای توسعه الگوریتمهای یادگیری ماشینی با کارایی بالا خود با scikit-learn، نسخه دوم آماده شوید.
موضوع اصلی: کامپیوتر – علوم کامپیوتر
نوع: کتاب الکترونیکی
ناشر: Packt Publishing
نویسنده: Hyatt Saleh
زبان: english
فرمت کتاب: EPUB (قابل تبدیل به سایر فرمت ها)
سال انتشار: 2020
تعداد صفحه: 286
حجم فایل: 9.48 مگابایت
کد کتاب: 1839219068 , 9781839219061
توضیحات کتاب کارگاه یادگیری ماشین: برای توسعه الگوریتمهای یادگیری ماشینی با کارایی بالا خود با scikit-learn، نسخه دوم آماده شوید.
رویکردی جامع و گام به گام برای درک یادگیری ماشین اتخاذ کنید
ویژگیهای کلیدی
- دریابید که چگونه میتوانید API یکنواخت scikit-learn را در انواع مختلف اعمال کنید. مدلهای یادگیری ماشینی
- تفاوت بین مدلهای یادگیری تحت نظارت و بدون نظارت را درک کنید
- درک خود را از مفاهیم یادگیری ماشین با کار بر روی مثالهای واقعی تقویت کنید
توضیحات کتاب
الگوریتمهای یادگیری ماشین بخش جداییناپذیر تقریباً همه برنامههای مدرن هستند. برای سریعتر و دقیقتر کردن فرآیند یادگیری، به ابزاری نیاز دارید که به اندازه کافی انعطافپذیر و قدرتمند باشد تا به شما کمک کند الگوریتمهای یادگیری ماشینی را سریع و آسان بسازید. با The Machine Learning Workshop، شما بر کتابخانه scikit-learn مسلط خواهید شد و در توسعه الگوریتم های یادگیری ماشینی هوشمند مهارت خواهید داشت.
کارگاه یادگیری ماشین با نشان دادن نحوه عملکرد الگوریتمهای یادگیری بدون نظارت و نظارت با تجزیه و تحلیل مجموعه دادههای دنیای واقعی از مشتریان عمدهفروش آغاز میشود. هنگامی که با اصول اولیه آشنا شدید، یک شبکه عصبی مصنوعی را با استفاده از scikit-learn توسعه میدهید و سپس عملکرد آن را با تنظیم دقیق فراپارامترها بهبود میبخشید. در پایان کارگاه، مجموعه دادههای فعالیتهای بازاریابی یک بانک را مطالعه میکنید و مدلهای یادگیری ماشینی را میسازید که میتواند مشتریانی را که احتمالاً مشترک یک سپرده مدتدار هستند فهرست کند. همچنین یاد می گیرید که چگونه این مدل ها را با هم مقایسه کنید و مدل بهینه را انتخاب کنید.
در پایان کارگاه یادگیری ماشین، نه تنها تفاوت بین مدلهای تحت نظارت و بدون نظارت و کاربردهای آنها در دنیای واقعی را یاد خواهید گرفت، بلکه مهارتهای لازم برای به دست آوردن آن را نیز توسعه خواهید داد. با برنامهنویسی الگوریتمهای یادگیری ماشین خودتان شروع کردید.
آنچه یاد خواهید گرفت
- با نحوه انتخاب الگوریتمی آشنا شوید که به بهترین وجه متناسب با مجموعه دادههای شما و نتیجه دلخواه شما باشد
- در دنیای واقعی محبوب کاوش کنید. الگوریتمهایی مانند K-means، Mean-Shift و DBSCAN
- کشف رویکردهای مختلف برای حل مشکلات طبقهبندی یادگیری ماشین
- توسعه ساختارهای شبکههای عصبی با استفاده از بستههای scikit-learn
- از الگوریتم NN برای ایجاد مدل هایی برای پیش بینی نتایج آینده استفاده کنید
- برای بهبود عملکرد مدل خود تجزیه و تحلیل خطا را انجام دهید
این کتاب برای چه کسی است
کارگاه یادگیری ماشینی است مناسب برای مبتدیان یادگیری ماشینی شما به تجربه برنامه نویسی پایتون نیاز دارید، اگرچه هیچ دانش قبلی در مورد یادگیری ماشینی و یادگیری ماشینی لازم نیست.
فهرست مطالب
- مقدمه ای بر Scikit-Learn
- یادگیری بدون نظارت – واقعی -برنامه های زندگی
- آموزش تحت نظارت – مراحل کلیدی
- الگوریتم های یادگیری نظارت شده: پیش بینی درآمد سالانه
- شبکه های عصبی مصنوعی: پیش بینی درآمد سالانه
- برنامه خود را بسازید
Take a comprehensive and step-by-step approach to understanding machine learning
Key Features
- Discover how to apply the scikit-learn uniform API in all types of machine learning models
- Understand the difference between supervised and unsupervised learning models
- Reinforce your understanding of machine learning concepts by working on real-world examples
Book Description
Machine learning algorithms are an integral part of almost all modern applications. To make the learning process faster and more accurate, you need a tool flexible and powerful enough to help you build machine learning algorithms quickly and easily. With The Machine Learning Workshop, you’ll master the scikit-learn library and become proficient in developing clever machine learning algorithms.
The Machine Learning Workshop begins by demonstrating how unsupervised and supervised learning algorithms work by analyzing a real-world dataset of wholesale customers. Once you’ve got to grips with the basics, you’ll develop an artificial neural network using scikit-learn and then improve its performance by fine-tuning hyperparameters. Towards the end of the workshop, you’ll study the dataset of a bank’s marketing activities and build machine learning models that can list clients who are likely to subscribe to a term deposit. You’ll also learn how to compare these models and select the optimal one.
By the end of The Machine Learning Workshop, you’ll not only have learned the difference between supervised and unsupervised models and their applications in the real world, but you’ll also have developed the skills required to get started with programming your very own machine learning algorithms.
What you will learn
- Understand how to select an algorithm that best fits your dataset and desired outcome
- Explore popular real-world algorithms such as K-means, Mean-Shift, and DBSCAN
- Discover different approaches to solve machine learning classification problems
- Develop neural network structures using the scikit-learn package
- Use the NN algorithm to create models for predicting future outcomes
- Perform error analysis to improve your model’s performance
Who this book is for
The Machine Learning Workshop is perfect for machine learning beginners. You will need Python programming experience, though no prior knowledge of scikit-learn and machine learning is necessary.
Table of Contents
- Introduction to Scikit-Learn
- Unsupervised Learning – Real-Life Applications
- Supervised Learning – Key Steps
- Supervised Learning Algorithms: Predicting Annual Income
- Artificial Neural Networks: Predicting Annual Income
- Building Your Own Program