ورود به حساب

نام کاربری گذرواژه

گذرواژه را فراموش کردید؟ کلیک کنید

حساب کاربری ندارید؟ ساخت حساب

ساخت حساب کاربری

نام نام کاربری ایمیل شماره موبایل گذرواژه

برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید


09117307688
09117179751

در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید

دسترسی نامحدود

برای کاربرانی که ثبت نام کرده اند

ضمانت بازگشت وجه

درصورت عدم همخوانی توضیحات با کتاب

پشتیبانی

از ساعت 7 صبح تا 10 شب

دانلود کتاب Building Machine Learning Powered Applications: Going from Idea to Product

دانلود کتاب برنامه های کاربردی مبتنی بر یادگیری ماشین ساخت: گذر از ایده به محصول

Building Machine Learning Powered Applications: Going from Idea to Product

مشخصات کتاب

Building Machine Learning Powered Applications: Going from Idea to Product

دسته بندی: برنامه نويسي
ویرایش:  
نویسندگان:   
سری:  
ISBN (شابک) : 149204511X, 9781492045113 
ناشر: O’Reilly Media 
سال نشر: 2020 
تعداد صفحات: 0 
زبان: English 
فرمت فایل : EPUB (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 11 مگابایت

قیمت کتاب (تومان) : 68,000



کلمات کلیدی مربوط به کتاب برنامه های کاربردی مبتنی بر یادگیری ماشین ساخت: گذر از ایده به محصول: یادگیری ماشین، توسعه نرم افزار



ثبت امتیاز به این کتاب

میانگین امتیاز به این کتاب :
       تعداد امتیاز دهندگان : 7


در صورت تبدیل فایل کتاب Building Machine Learning Powered Applications: Going from Idea to Product 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 برنامه های کاربردی مبتنی بر یادگیری ماشین ساخت: گذر از ایده به محصول 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.


توضیحاتی در مورد کتاب برنامه های کاربردی مبتنی بر یادگیری ماشین ساخت: گذر از ایده به محصول

مهارت‌های لازم برای طراحی، ساخت و استقرار برنامه‌های کاربردی که توسط یادگیری ماشین (ML) طراحی شده‌اند را بیاموزید. در طول دوره این کتاب عملی، شما یک نمونه برنامه کاربردی مبتنی بر ML از ایده اولیه تا محصول مستقر خواهید ساخت. دانشمندان داده، مهندسان نرم‌افزار و مدیران محصول - از جمله متخصصان با تجربه و تازه‌کار - ابزارها، بهترین شیوه‌ها و چالش‌های موجود در ساخت یک برنامه کاربردی ML در دنیای واقعی را گام به گام یاد خواهند گرفت. نویسنده Emmanuel Ameisen، یک دانشمند داده با تجربه که یک برنامه آموزشی هوش مصنوعی را رهبری می کند، مفاهیم کاربردی ML را با استفاده از قطعه کد، تصاویر، اسکرین شات ها و مصاحبه با رهبران صنعت نشان می دهد. قسمت اول به شما می آموزد که چگونه یک برنامه ML را برنامه ریزی کنید و موفقیت را اندازه گیری کنید. قسمت دوم نحوه ساخت یک مدل ML کارآمد را توضیح می دهد. بخش سوم راه هایی را برای بهبود مدل تا زمانی که دیدگاه اصلی شما را برآورده کند، نشان می دهد. بخش چهارم استراتژی های استقرار و نظارت را پوشش می دهد. این کتاب به شما کمک خواهد کرد: • هدف محصول خود را مشخص کنید و مشکل یادگیری ماشینی را تنظیم کنید • اولین خط لوله سرتاسر خود را به سرعت بسازید و مجموعه داده اولیه را بدست آورید • آموزش و ارزیابی مدل های ML خود و رفع تنگناهای عملکرد • مدل های خود را در یک محیط تولید مستقر و نظارت کنید


توضیحاتی درمورد کتاب به خارجی

Learn the skills necessary to design, build, and deploy applications powered by machine learning (ML). Through the course of this hands-on book, you’ll build an example ML-driven application from initial idea to deployed product. Data scientists, software engineers, and product managers—including experienced practitioners and novices alike—will learn the tools, best practices, and challenges involved in building a real-world ML application step by step. Author Emmanuel Ameisen, an experienced data scientist who led an AI education program, demonstrates practical ML concepts using code snippets, illustrations, screenshots, and interviews with industry leaders. Part I teaches you how to plan an ML application and measure success. Part II explains how to build a working ML model. Part III demonstrates ways to improve the model until it fulfills your original vision. Part IV covers deployment and monitoring strategies. This book will help you: • Define your product goal and set up a machine learning problem • Build your first end-to-end pipeline quickly and acquire an initial dataset • Train and evaluate your ML models and address performance bottlenecks • Deploy and monitor your models in a production environment





نظرات کاربران

تمامی حقوق معنوی و مادی وبسایت متعلق به اینترنشنال لایبرری می باشد
نماد اعتماد الکترونیکی