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: Akhil Wali
سری:
ISBN (شابک) : 1783284358, 9781783284351
ناشر: Packt Publishing - ebooks Account
سال نشر: 2014
تعداد صفحات: 292
زبان: English
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 15 مگابایت
در صورت تبدیل فایل کتاب Clojure for Machine Learning 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 Clojure برای یادگیری ماشین 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.
در این مقدمه قانعکننده بر تکنیکها و الگوریتمهای یادگیری ماشین، میآموزید که چگونه از دانش خود در مورد Clojure استفاده کنید. از ساختن سیستمها تا استفاده از تکنیکهای یادگیری ماشین در معماری ابری، این راهنمای کامل است.
نمای کلیدر جزئیات
Clojure for Machine Learning مقدمه ای بر تکنیک ها و الگوریتم های یادگیری ماشین است. این کتاب نشان میدهد که چگونه میتوانید با استفاده از زبان برنامهنویسی Clojure، این تکنیکها را برای مشکلات دنیای واقعی به کار ببرید.
این کتاب بسیاری از تکنیکهای یادگیری ماشین را بررسی میکند و همچنین نحوه استفاده از Clojure را برای ساختن سیستمهای یادگیری ماشین توضیح میدهد. این کتاب با معرفی مسائل ساده یادگیری ماشین رگرسیون و طبقهبندی شروع میشود. همچنین توضیح می دهد که چگونه می توانید این تکنیک های یادگیری ماشین را در Clojure پیاده سازی کنید. این کتاب همچنین چندین کتابخانه Clojure را نشان می دهد که می تواند در حل مشکلات یادگیری ماشین مفید باشد.
Clojure for Machine Learning شما را با چندین تکنیک یادگیری ماشینی عملی آشنا می کند. در پایان این کتاب، شما به طور کامل از کتابخانه های Clojure آگاه خواهید شد که می توانند برای حل یک مشکل یادگیری ماشینی مورد استفاده قرار گیرند.
آنچه از این کتاب خواهید آموخت< /p>
رویکرد
کتابی که نقاط قوت برنامه نویسی Clojure را که باید یادگیری ماشین را تسهیل کند، نشان می دهد. هر موضوع با جزئیات قابل توجهی توضیح داده شده است، و نمونهها و کتابخانههای Clojure نیز نشان داده شده است.
این کتاب برای چه کسی نوشته شده است
اگر شما یک Clojure هستید توسعه دهنده ای که می خواهد حوزه یادگیری ماشین را کشف کند، این کتاب برای شماست. درک اولیه زبان برنامه نویسی Clojure مورد نیاز است. آشنایی با مفاهیم نظری و نشانه گذاری ریاضیات و آمار مزیت دیگری خواهد بود.
In this compelling introduction to machine learning techniques and algorithms, you’ll learn how to use your knowledge of Clojure. From building systems to using machine learning techniques in cloud architecture, it’s the complete guide.
OverviewIn Detail
Clojure for Machine Learning is an introduction to machine learning techniques and algorithms. This book demonstrates how you can apply these techniques to real-world problems using the Clojure programming language.
It explores many machine learning techniques and also describes how to use Clojure to build machine learning systems. This book starts off by introducing the simple machine learning problems of regression and classification. It also describes how you can implement these machine learning techniques in Clojure. The book also demonstrates several Clojure libraries, which can be useful in solving machine learning problems.
Clojure for Machine Learning familiarizes you with several pragmatic machine learning techniques. By the end of this book, you will be fully aware of the Clojure libraries that can be used to solve a given machine learning problem.
What you will learn from this book
Approach
A book that brings out the strengths of Clojure programming that have to facilitate machine learning. Each topic is described in substantial detail, and examples and libraries in Clojure are also demonstrated.
Who this book is written for
If you are a Clojure developer who wants to explore the area of machine learning, this book is for you. Basic understanding of the Clojure programming language is required. Familiarity with theoretical concepts and notation of mathematics and statistics would be an added advantage.