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: David Julian
سری:
ISBN (شابک) : 9781785882951
ناشر: Packt Publishing
سال نشر: 2016
تعداد صفحات: 232
زبان: English
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 9 مگابایت
در صورت تبدیل فایل کتاب Designing Machine Learning Systems with Python: Design efficient machine learning systems that give you more accurate results 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 طراحی سیستمهای یادگیری ماشینی با پایتون: طراحی سیستمهای یادگیری ماشین کارآمد که نتایج دقیق تری به شما می دهند 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.
یادگیری ماشینی یکی از سریع ترین روندهای رو به رشد در محاسبات مدرن است. این برنامه در طیف گسترده ای از زمینه ها از جمله اقتصاد، علوم طبیعی، توسعه وب و مدل سازی کسب و کار کاربرد دارد. به منظور مهار قدرت این سیستم ها، ضروری است که پزشک درک کاملی از اصول طراحی اساسی ایجاد کند. دلایل زیادی وجود دارد که مدل های یادگیری ماشینی ممکن است نتایج دقیقی ارائه ندهند. با نگاه کردن به این سیستم ها از منظر طراحی، درک عمیق تری از الگوریتم های اساسی و روش های بهینه سازی موجود به دست می آوریم. این کتاب به شما یک پایه محکم در فرآیند طراحی یادگیری ماشین می دهد و شما را قادر می سازد تا مدل های یادگیری ماشینی سفارشی سازی شده برای حل مشکلات منحصر به فرد بسازید. ممکن است قبلاً در مورد برخی از مدلهای یادگیری ماشینی غیرفعال برای حل مشکلات رایج مانند تشخیص هرزنامه یا طبقهبندی فیلم اطلاعات داشته باشید یا با آنها کار کرده باشید، اما برای شروع حل مشکلات پیچیدهتر، تطبیق این مدلها با نیازهای خاص خودتان این کتاب این درک و بیشتر را به شما می دهد.
Machine learning is one of the fastest growing trends in modern computing. It has applications in a wide range of fields, including economics, the natural sciences, web development, and business modeling. In order to harness the power of these systems, it is essential that the practitioner develops a solid understanding of the underlying design principles. There are many reasons why machine learning models may not give accurate results. By looking at these systems from a design perspective, we gain a deeper understanding of the underlying algorithms and the optimisational methods that are available. This book will give you a solid foundation in the machine learning design process, and enable you to build customised machine learning models to solve unique problems. You may already know about, or have worked with, some of the off-the-shelf machine learning models for solving common problems such as spam detection or movie classification, but to begin solving more complex problems, it is important to adapt these models to your own specific needs. This book will give you this understanding and more.