دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید
در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید
برای کاربرانی که ثبت نام کرده اند
درصورت عدم همخوانی توضیحات با کتاب
از ساعت 7 صبح تا 10 شب
دسته بندی: سایبرنتیک: هوش مصنوعی ویرایش: نویسندگان: Siamak Amirghodsi, Meenakshi Rajendran, Broderick Hall, Shuen Mei سری: ISBN (شابک) : 1783551607, 9781783551606 ناشر: Packt Publishing سال نشر: 2017 تعداد صفحات: 0 زبان: English فرمت فایل : EPUB (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 9 مگابایت
در صورت ایرانی بودن نویسنده امکان دانلود وجود ندارد و مبلغ عودت داده خواهد شد
کلمات کلیدی مربوط به کتاب کتاب آشپزی Apache Spark 2.x Machine Learning: هوش و معناشناسی، هوش مصنوعی و یادگیری ماشین، علوم کامپیوتر، کامپیوتر و فناوری، تئوری ماشین، هوش مصنوعی و یادگیری ماشین، علوم کامپیوتر، کامپیوتر و فناوری
در صورت تبدیل فایل کتاب Apache Spark 2.x Machine Learning Cookbook به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.
توجه داشته باشید کتاب کتاب آشپزی Apache Spark 2.x Machine Learning نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.
اجرای مدل یادگیری ماشین را با Spark ساده کنید
این کتاب برای توسعه دهندگان اسکالا است که آشنایی و درک نسبتاً خوبی از تکنیک های یادگیری ماشین دارند، اما فاقد پیاده سازی های عملی با Spark هستند. دانش کاملی از الگوریتمهای یادگیری ماشین و همچنین تجربه عملی از پیادهسازی الگوریتمهای ML با Scala فرض شده است. با این حال، نیازی نیست که با کتابخانه ها و اکوسیستم Spark ML آشنا باشید.
هدف یادگیری ماشینی استخراج دانش از داده ها با تکیه بر مفاهیم اساسی در علوم کامپیوتر است. آمار، احتمال و بهینه سازی یادگیری در مورد الگوریتم ها طیف گسترده ای از برنامه ها را فعال می کند، از کارهای روزمره مانند توصیه های محصول و فیلتر کردن هرزنامه ها گرفته تا برنامه های کاربردی پیشرفته مانند خودران.
Simplify machine learning model implementations with Spark
This book is for Scala developers with a fairly good exposure to and understanding of machine learning techniques, but lack practical implementations with Spark. A solid knowledge of machine learning algorithms is assumed, as well as hands-on experience of implementing ML algorithms with Scala. However, you do not need to be acquainted with the Spark ML libraries and ecosystem.
Machine learning aims to extract knowledge from data, relying on fundamental concepts in computer science, statistics, probability, and optimization. Learning about algorithms enables a wide range of applications, from everyday tasks such as product recommendations and spam filtering to cutting edge applications such as self-driving