Data Mining: Practical Machine Learning Tools and Techniques

Data Mining: Practical Machine Learning Tools and Techniques، ویرایش چهارم، زمینه سازی کاملی در مفاهیم یادگیری ماشین به همراه توصیه های عملی در مورد استفاده از این ابزارها و تکنیک ها در موقعیت های داده کاوی در دنیای واقعی ارائه می دهد. این نسخه چهارم بسیار مورد انتظار از تحسین‌برانگیزترین کار در مورد داده‌کاوی و یادگیری ماشین به خوانندگان همه چیزهایی را که برای پیشبرد نیاز دارند، از آماده‌سازی ورودی‌ها، تفسیر خروجی‌ها، ارزیابی نتایج گرفته تا روش‌های الگوریتمی در قلب رویکردهای داده‌کاوی موفق، می‌آموزد.

به‌روزرسانی‌های گسترده منعکس‌کننده تغییرات فنی و مدرن‌سازی‌هایی است که از آخرین نسخه در این زمینه رخ داده است، از جمله فصل‌های جدید قابل توجهی در مورد روش‌های احتمالی و یادگیری عمیق. همراه این کتاب نسخه جدیدی از نرم افزار محبوب یادگیری ماشینی WEKA از دانشگاه Waikato است. نویسندگان ویتن، فرانک، هال، و پال شامل تکنیک‌های امروزی همراه با روش‌های پیشرو در تحقیقات معاصر هستند.

لطفاً از وب‌سایت همراه کتاب در  http://www.cs.waikato.ac دیدن کنید. nz/ml/weka/book.html

دارای

• اسلایدهای پاورپوینت برای فصل‌های 1-12 است. این یک منبع آموزشی بسیار جامع است، با اسلایدهای PPT بسیاری که هر فصل از کتاب را پوشش می‌دهند
• پیوست آنلاین روی میز کار Weka. باز هم یک کمک آموزشی بسیار جامع برای نرم افزار منبع باز که همراه با کتاب است
• فهرست مطالب، برجسته کردن بخش های جدید بسیاری در ویرایش چهارم، به همراه بررسی نسخه اول، اشتباه و غیره.< /li>

• پایه‌ای کامل در مفاهیم یادگیری ماشین و همچنین توصیه‌های عملی در مورد استفاده از ابزارها و تکنیک‌ها در پروژه‌های داده‌کاوی ارائه می‌دهد
• نکات و تکنیک‌های مشخصی را ارائه می‌کند. بهبود عملکرد که با تبدیل ورودی یا خروجی در روش‌های یادگیری ماشین کار می‌کند
• شامل یک جعبه ابزار نرم‌افزار WEKA قابل دانلود، مجموعه‌ای جامع از الگوریتم‌های یادگیری ماشین برای وظایف داده‌کاوی - در یک رابط تعاملی با کاربری آسان< /li>
• شامل دوره های آنلاین با دسترسی آزاد است که کاربردهای عملی مطالب موجود در کتاب را معرفی می کند

Data Mining: Practical Machine Learning Tools and Techniques, Fourth Edition, offers a thorough grounding in machine learning concepts, along with practical advice on applying these tools and techniques in real-world data mining situations. This highly anticipated fourth edition of the most acclaimed work on data mining and machine learning teaches readers everything they need to know to get going, from preparing inputs, interpreting outputs, evaluating results, to the algorithmic methods at the heart of successful data mining approaches.

Extensive updates reflect the technical changes and modernizations that have taken place in the field since the last edition, including substantial new chapters on probabilistic methods and on deep learning. Accompanying the book is a new version of the popular WEKA machine learning software from the University of Waikato. Authors Witten, Frank, Hall, and Pal include today's techniques coupled with the methods at the leading edge of contemporary research.

Please visit the book companion website at  http://www.cs.waikato.ac.nz/ml/weka/book.html

It contains

• Powerpoint slides for Chapters 1-12. This is a very comprehensive teaching resource, with many PPT slides covering each chapter of the book
• Online Appendix on the Weka workbench; again a very comprehensive learning aid for the open source software that goes with the book
• Table of contents, highlighting the many new sections in the 4th edition, along with reviews of the 1st edition, errata, etc.

• Provides a thorough grounding in machine learning concepts, as well as practical advice on applying the tools and techniques to data mining projects
• Presents concrete tips and techniques for performance improvement that work by transforming the input or output in machine learning methods
• Includes a downloadable WEKA software toolkit, a comprehensive collection of machine learning algorithms for data mining tasks-in an easy-to-use interactive interface
• Includes open-access online courses that introduce practical applications of the material in the book