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 Feature Engineering for Machine Learning: Principles and Techniques for Data Scientists

دانلود کتاب مهندسی ویژگی برای یادگیری ماشین: اصول و تکنیک‌ها برای دانشمندان داده

Feature Engineering for Machine Learning: Principles and Techniques for Data Scientists

مشخصات کتاب

Feature Engineering for Machine Learning: Principles and Techniques for Data Scientists

دسته بندی: سایبرنتیک: هوش مصنوعی
ویرایش:  
نویسندگان:   
سری:  
ISBN (شابک) : 1491953241, 9781491953242 
ناشر: O’Reilly Media 
سال نشر: 2018 
تعداد صفحات: 217 
زبان: English 
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 17 مگابایت

قیمت کتاب (تومان) : 37,000



ثبت امتیاز به این کتاب

میانگین امتیاز به این کتاب :
       تعداد امتیاز دهندگان : 17


در صورت تبدیل فایل کتاب Feature Engineering for Machine Learning: Principles and Techniques for Data Scientists 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 مهندسی ویژگی برای یادگیری ماشین: اصول و تکنیک‌ها برای دانشمندان داده 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 مهندسی ویژگی برای یادگیری ماشین: اصول و تکنیک‌ها برای دانشمندان داده

مهندسی ویژگی یک گام مهم در خط لوله یادگیری ماشینی است، اما این موضوع به ندرت به تنهایی مورد بررسی قرار می گیرد. با این کتاب کاربردی، تکنیک‌هایی را برای استخراج و تبدیل ویژگی‌ها - نمایش عددی داده‌های خام - به قالب‌هایی برای مدل‌های یادگیری ماشینی خواهید آموخت. هر فصل شما را از طریق یک مشکل داده، مانند نحوه نمایش داده های متن یا تصویر راهنمایی می کند. این مثال‌ها با هم، اصول اصلی مهندسی ویژگی‌ها را نشان می‌دهند.

به جای آموزش ساده این اصول، نویسندگان آلیس ژنگ و آماندا کاساری بر کاربرد عملی با تمرین‌هایی در سراسر کتاب تمرکز می‌کنند. فصل پایانی با پرداختن به یک مجموعه داده ساخت‌یافته در دنیای واقعی با چندین تکنیک مهندسی ویژگی، همه چیز را گرد هم می‌آورد. بسته‌های پایتون شامل numpy، Pandas، Scikit-learn و Matplotlib در نمونه‌های کد استفاده می‌شوند.


توضیحاتی درمورد کتاب به خارجی

Feature engineering is a crucial step in the machine-learning pipeline, yet this topic is rarely examined on its own. With this practical book, you’ll learn techniques for extracting and transforming features—the numeric representations of raw data—into formats for machine-learning models. Each chapter guides you through a single data problem, such as how to represent text or image data. Together, these examples illustrate the main principles of feature engineering.

Rather than simply teach these principles, authors Alice Zheng and Amanda Casari focus on practical application with exercises throughout the book. The closing chapter brings everything together by tackling a real-world, structured dataset with several feature-engineering techniques. Python packages including numpy, Pandas, Scikit-learn, and Matplotlib are used in code examples.





نظرات کاربران

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