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
ویرایش: نویسندگان: Kai R. Larsen, Daniel S. Becker سری: ISBN (شابک) : 0190941669, 9780190941666 ناشر: Oxford University Press سال نشر: 2021 تعداد صفحات: 352 [333] زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 24 Mb
در صورت تبدیل فایل کتاب Automated Machine Learning for Business 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 یادگیری ماشین خودکار برای کسب و کار 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.
فرآیند یادگیری ماشینی را با استفاده از یادگیری ماشینی خودکار به دانشجویان و متخصصان کسب و کار آموزش می دهد، پیشرفت جدیدی در علم داده که به جای سال ها آموزش، تنها به چند هفته برای یادگیری نیاز دارد اگرچه مفهوم یادگیری رایانهها برای حل یک مشکل ممکن است همچنان افکار هوش مصنوعی آیندهنگر را به ذهن متبادر کند، اما واقعیت این است که الگوریتمهای یادگیری ماشین اکنون در اکثر نرمافزارهای اصلی، از جمله وبسایتها و حتی پردازشگرهای کلمه وجود دارد. این الگوریتم ها جامعه را متحول می کنند به رادیکالترین روش از زمان انقلاب صنعتی، عمدتاً از طریق خودکارسازی وظایفی مانند تصمیمگیری برای اینکه کدام کاربران برای تبلیغات، ماشینها احتمالاً خراب میشوند و کدام سهام برای خرید و فروش. در حالی که این کار دیگر همیشه به تخصص فنی پیشرفته نیاز ندارد، بسیار مهم است که پزشکان و دانشجویان به طور یکسان دنیای یادگیری ماشین را درک می کنند. در این کتاب، Kai R. Larsen و Daniel S. Becker فرآیند یادگیری ماشینی را با استفاده از یک پیشرفت جدید در علم داده آموزش می دهند: یادگیری ماشین خودکار (AutoML). وقتی AutoML به درستی پیادهسازی شود، یادگیری ماشین را با از بین بردن نیاز به سالها تجربه در محرمانهترین روشها در دسترس میسازد. جنبه های علم داده، مانند ریاضی، آمار و علوم کامپیوتر. لارسن و بکر نشان میدهند که چگونه هر کسی که در استفاده از AutoML آموزش دیده است، میتواند از آن برای آزمایش ایدههای خود و حمایت از کیفیت آن ایدهها در طول ارائه به مدیریت و گروههای ذینفع استفاده کند. چون لازمه سرمایه گذاری به جای چند سال آموزش، چند هفته است، این ابزارها احتمالاً به یک مؤلفه اصلی برنامه های کارشناسی و کارشناسی ارشد تبدیل خواهند شد. با مثالهای دست اول از پلتفرم پیشرو در صنعت DataRobot، یادگیری ماشین خودکار برای کسب و کارنمای کلی روشنی از فرآیند ارائه میدهد و با ابزارهای ضروری برای آینده علم داده درگیر میشود.
Teaches the machine learning process for business students and professionals using automated machine learning, a new development in data science that requires only a few weeks to learn instead of years of training Though the concept of computers learning to solve a problem may still conjure thoughts of futuristic artificial intelligence, the reality is that machine learning algorithms now exist within most major software, including Websites and even word processors. These algorithms are transforming society in the most radical way since the Industrial Revolution, primarily through automating tasks such as deciding which users to advertise to, which machines are likely to break down, and which stock to buy and sell. While this work no longer always requires advanced technical expertise, it is crucial that practitioners and students alike understand the world of machine learning. In this book, Kai R. Larsen and Daniel S. Becker teach the machine learning process using a new development in data science: automated machine learning (AutoML). AutoML, when implemented properly, makes machine learning accessible by removing the need for years of experience in the most arcane aspects of data science, such as math, statistics, and computer science. Larsen and Becker demonstrate how anyone trained in the use of AutoML can use it to test their ideas and support the quality of those ideas during presentations to management and stakeholder groups. Because the requisite investment is a few weeks rather than a few years of training, these tools will likely become a core component of undergraduate and graduate programs alike. With first-hand examples from the industry-leading DataRobot platform, Automated Machine Learning for Business provides a clear overview of the process and engages with essential tools for the future of data science.