مشخصات کتاب

Data Science Algorithms in a Week

ویرایش:  
نویسندگان: Dávid Natingga  
سری:  
ISBN (شابک) : 9781787284586 
ناشر: Packt 
سال نشر: 2017 
تعداد صفحات: 198 
زبان: english 
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 3 مگابایت 

در صورت تبدیل فایل کتاب Data Science Algorithms in a Week 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 الگوریتم های علم داده در یک هفته 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 الگوریتم های علم داده در یک هفته

در 7 روز پایه و اساس قوی الگوریتم های یادگیری ماشینی بسازید. درباره این کتاب* در این راهنمای مختصر و روشنگر با هفت الگوریتم برای نیازهای علم داده خود آشنا شوید* مطمئن شوید که با یادگیری زمان و مکان استفاده از علوم داده مختلف، به اصول اولیه اطمینان دارید. الگوریتم‌ها* یاد بگیرید که از الگوریتم‌های یادگیری ماشینی در بازه زمانی 7 روزه استفاده کنید. برای توسعه دهندگانی که در حال حاضر یک یا دو الگوریتم علم داده را پیاده سازی می کنند و می خواهند برای گسترش مجموعه مهارت های خود بیشتر بیاموزند ایده آل است. حل مسائل پیچیده* یک مسئله علم داده را به درستی شناسایی کنید و یک راه حل پیش بینی مناسب با استفاده از رگرسیون و سری زمانی ابداع کنید* نحوه خوشه بندی داده ها با استفاده از الگوریتم k-Means را ببینید* با نحوه پیاده سازی الگوریتم ها به طور موثر در زبان های پایتون و R آشنا شوید. برنامه های کاربردی یادگیری DetailMachine بسیار خودکار و خود اصلاح می شوند و در طول زمان با کمترین مداخله انسانی همچنان که با داده های بیشتر یاد می گیرند، بهبود می یابند. برای پرداختن به ماهیت پیچیده مسائل مختلف داده های دنیای واقعی، الگوریتم های تخصصی یادگیری ماشینی توسعه داده شده اند که این مشکلات را به خوبی حل می کنند. علم داده به شما کمک می کند تا دانش جدیدی را از داده های موجود از طریق تجزیه و تحلیل الگوریتمی و آماری به دست آورید. این کتاب به مشکلات مربوط به طبقه بندی و پیش بینی دقیق و کارآمد داده ها می پردازد. در طول 7 روز، با هفت الگوریتم همراه با تمرین هایی آشنا می شوید که به شما در یادگیری جنبه های مختلف یادگیری ماشین کمک می کند. خواهید دید که چگونه داده های خود را برای بهینه سازی و طبقه بندی برای مجموعه داده های بزرگ از قبل خوشه بندی کنید. سپس خواهید فهمید که چگونه می توانید داده ها را بر اساس روندهای موجود در مجموعه داده های خود پیش بینی کنید. این کتاب الگوریتم هایی مانند: k-نزدیک ترین همسایه ها، Naive Bayes، Decision Trees، Random Forest، k-Means، Regression و Time-series را پوشش می دهد. پس از تکمیل کتاب، متوجه خواهید شد که کدام الگوریتم یادگیری ماشینی را برای خوشه بندی، طبقه بندی یا رگرسیون انتخاب کنید و کدام الگوریتم برای مشکل شما مناسب تر است. سبک و رویکرد برنامه های کاربردی یادگیری ماشینی بسیار خودکار و خودتغییر هستند که در طول زمان با حداقل مداخله انسانی در حالی که آنها با داده های بیشتر یاد می گیرند. برای پرداختن به ماهیت پیچیده مسائل مختلف داده های دنیای واقعی، الگوریتم های تخصصی یادگیری ماشین توسعه داده شده اند که این مشکلات را به طور کامل حل می کنند.

توضیحاتی درمورد کتاب به خارجی

Build strong foundation of machine learning algorithms In 7 days.About This Book* Get to know seven algorithms for your data science needs in this concise, insightful guide* Ensure you're confident in the basics by learning when and where to use various data science algorithms* Learn to use machine learning algorithms in a period of just 7 daysWho This Book Is ForThis book is for aspiring data science professionals who are familiar with Python and have a statistics background. It is ideal for developers who are currently implementing one or two data science algorithms and want to learn more to expand their skill set.What You Will Learn* Find out how to classify using Naive Bayes, Decision Trees, and Random Forest to achieve accuracy to solve complex problems* Identify a data science problem correctly and devise an appropriate prediction solution using Regression and Time-series* See how to cluster data using the k-Means algorithm* Get to know how to implement the algorithms efficiently in the Python and R languagesIn DetailMachine learning applications are highly automated and self-modifying, and they continue to improve over time with minimal human intervention as they learn with more data. To address the complex nature of various real-world data problems, specialized machine learning algorithms have been developed that solve these problems perfectly. Data science helps you gain new knowledge from existing data through algorithmic and statistical analysis.This book will address the problems related to accurate and efficient data classification and prediction. Over the course of 7 days, you will be introduced to seven algorithms, along with exercises that will help you learn different aspects of machine learning. You will see how to pre-cluster your data to optimize and classify it for large datasets. You will then find out how to predict data based on the existing trends in your datasets.This book covers algorithms such as: k-Nearest Neighbors, Naive Bayes, Decision Trees, Random Forest, k-Means, Regression, and Time-series. On completion of the book, you will understand which machine learning algorithm to pick for clustering, classification, or regression and which is best suited for your problem.Style and approachMachine learning applications are highly automated and self-modifying which continue to improve over time with minimal human intervention as they learn with more data. To address the complex nature of various real world data problems, specialized machine learning algorithms have been developed that solve these problems perfectly.

نظرات کاربران

کتاب های تصادفی

دانلود کتاب Facts And Evidence: A Dialogue Between Philosophy And Law

دانلود کتاب Analyse und Grobprojektierung von Logistik-Informationssystemen

دانلود کتاب Oma suomi 2. Suomea aikuisille

دانلود کتاب Методика діагностики відхилень в інтелектуальному розвитку молодших школярів

دانلود کتاب Clock Of The Long Now: Time And Responsibility: The Ideas Behind The World's Slowest Computer