مشخصات کتاب

Grokking Machine Learning

ویرایش:  
نویسندگان: Luis Serrano  
سری:  
ISBN (شابک) : 1617295914, 9781617295911 
ناشر: Manning 
سال نشر: 2021 
تعداد صفحات: 0 
زبان: English 
فرمت فایل : EPUB (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 10 مگابایت 

در صورت تبدیل فایل کتاب Grokking 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 یادگیری ماشینی Grokking 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 یادگیری ماشینی Grokking

تکنیک‌های یادگیری ماشینی ارزشمندی را که می‌توانید با استفاده از ریاضیات دبیرستانی درک کرده و به کار ببرید، کشف کنید. در Grokking Machine Learning یاد خواهید گرفت: الگوریتم های نظارت شده برای طبقه بندی و تقسیم داده ها روش‌هایی برای تمیز کردن و ساده‌سازی داده‌ها بسته ها و ابزارهای یادگیری ماشینی شبکه های عصبی و روش های مجموعه برای مجموعه داده های پیچیده Grokking Machine Learning به شما می آموزد که چگونه ML را در پروژه های خود تنها با استفاده از کدهای استاندارد پایتون و ریاضیات سطح دبیرستان اعمال کنید. هیچ دانش تخصصی برای مقابله با تمرینات عملی با استفاده از پایتون و ابزارهای یادگیری ماشینی در دسترس لازم نیست. این کتاب همراه با تمرین‌ها و پروژه‌های کوچک مبتنی بر پایتون، شما را در مسیر تبدیل شدن به یک متخصص یادگیری ماشین قرار می‌دهد. خرید کتاب چاپی شامل یک کتاب الکترونیکی رایگان در قالب‌های PDF، Kindle و ePub از انتشارات منینگ است. در مورد تکنولوژی تکنیک‌های یادگیری ماشینی قدرتمندی را کشف کنید که فقط با استفاده از ریاضی دبیرستان می‌توانید آن را درک کرده و به کار ببرید! به زبان ساده، یادگیری ماشینی مجموعه‌ای از تکنیک‌ها برای تجزیه و تحلیل داده‌ها بر اساس الگوریتم‌هایی است که با ارائه داده‌های بیشتر به آن‌ها، نتایج بهتری ارائه می‌دهند. ML بسیاری از فناوری‌های پیشرفته مانند سیستم‌های توصیه، نرم‌افزار تشخیص چهره، بلندگوهای هوشمند و حتی خودروهای خودران را تامین می‌کند. این کتاب منحصر به فرد، مفاهیم اصلی یادگیری ماشین را با استفاده از مثال‌های مرتبط، تمرین‌های جذاب و تصاویر واضح معرفی می‌کند. درباره کتاب آموزش ماشینی Grokking الگوریتم ها و تکنیک های یادگیری ماشین را به گونه ای ارائه می دهد که همه بتوانند آن را درک کنند. این کتاب از اصطلاحات آکادمیک گیج کننده صرف نظر می کند و توضیحات واضحی ارائه می دهد که فقط به جبر اولیه نیاز دارد. همانطور که می روید، پروژه های جالبی با پایتون خواهید ساخت، از جمله مدل هایی برای تشخیص هرزنامه و تشخیص تصویر. همچنین مهارت های عملی را برای تمیز کردن و آماده سازی داده ها به دست خواهید آورد. داخلش چیه الگوریتم های نظارت شده برای طبقه بندی و تقسیم داده ها روش‌هایی برای تمیز کردن و ساده‌سازی داده‌ها بسته ها و ابزارهای یادگیری ماشینی شبکه های عصبی و روش های مجموعه برای مجموعه داده های پیچیده درباره خواننده برای خوانندگانی که پایتون پایه را می دانند. هیچ دانش یادگیری ماشینی لازم نیست. درباره نویسنده Luis G. Serrano یک دانشمند محقق در زمینه هوش مصنوعی کوانتومی است. او پیش از این مهندس یادگیری ماشین در گوگل و مربی هوش مصنوعی در اپل بود. فهرست مطالب 1 یادگیری ماشینی چیست؟ عقل سلیم است، مگر اینکه توسط کامپیوتر انجام شود 2 انواع یادگیری ماشینی 3 رسم خطی نزدیک به نقاط ما: رگرسیون خطی 4 بهینه سازی فرآیند آموزش: عدم تناسب، بیش از حد، آزمایش و منظم سازی 5 استفاده از خطوط برای تقسیم نقاط: الگوریتم پرسپترون 6 رویکرد پیوسته به نقاط تقسیم: طبقه بندی کننده های لجستیک 7 چگونه مدل های طبقه بندی را اندازه گیری می کنید؟ دقت و دوستانش 8 استفاده از احتمال به حداکثر آن: مدل ساده بیز 9 تقسیم داده ها با پرسیدن سؤال: درختان تصمیم 10 ترکیب بلوک های سازنده برای به دست آوردن قدرت بیشتر: شبکه های عصبی 11 یافتن مرزها با سبک: ماشین های برداری و روش هسته را پشتیبانی کنید 12 ترکیب مدل ها برای به حداکثر رساندن نتایج: یادگیری گروهی 13 اجرای همه چیز در عمل: نمونه ای واقعی از مهندسی داده و یادگیری ماشین

توضیحاتی درمورد کتاب به خارجی

Discover valuable machine learning techniques you can understand and apply using just high-school math. In Grokking Machine Learning you will learn:     Supervised algorithms for classifying and splitting data     Methods for cleaning and simplifying data     Machine learning packages and tools     Neural networks and ensemble methods for complex datasets Grokking Machine Learning teaches you how to apply ML to your projects using only standard Python code and high school-level math. No specialist knowledge is required to tackle the hands-on exercises using Python and readily available machine learning tools. Packed with easy-to-follow Python-based exercises and mini-projects, this book sets you on the path to becoming a machine learning expert. Purchase of the print book includes a free eBook in PDF, Kindle, and ePub formats from Manning Publications. About the technology Discover powerful machine learning techniques you can understand and apply using only high school math! Put simply, machine learning is a set of techniques for data analysis based on algorithms that deliver better results as you give them more data. ML powers many cutting-edge technologies, such as recommendation systems, facial recognition software, smart speakers, and even self-driving cars. This unique book introduces the core concepts of machine learning, using relatable examples, engaging exercises, and crisp illustrations. About the book Grokking Machine Learning presents machine learning algorithms and techniques in a way that anyone can understand. This book skips the confused academic jargon and offers clear explanations that require only basic algebra. As you go, you’ll build interesting projects with Python, including models for spam detection and image recognition. You’ll also pick up practical skills for cleaning and preparing data. What's inside     Supervised algorithms for classifying and splitting data     Methods for cleaning and simplifying data     Machine learning packages and tools     Neural networks and ensemble methods for complex datasets About the reader For readers who know basic Python. No machine learning knowledge necessary. About the author Luis G. Serrano is a research scientist in quantum artificial intelligence. Previously, he was a Machine Learning Engineer at Google and Lead Artificial Intelligence Educator at Apple. Table of Contents 1 What is machine learning? It is common sense, except done by a computer 2 Types of machine learning 3 Drawing a line close to our points: Linear regression 4 Optimizing the training process: Underfitting, overfitting, testing, and regularization 5 Using lines to split our points: The perceptron algorithm 6 A continuous approach to splitting points: Logistic classifiers 7 How do you measure classification models? Accuracy and its friends 8 Using probability to its maximum: The naive Bayes model 9 Splitting data by asking questions: Decision trees 10 Combining building blocks to gain more power: Neural networks 11 Finding boundaries with style: Support vector machines and the kernel method 12 Combining models to maximize results: Ensemble learning 13 Putting it all in practice: A real-life example of data engineering and machine learning

نظرات کاربران

کتاب های تصادفی

دانلود کتاب Deutsche Wortbildung. Eine Einführung

دانلود کتاب Spectre of fascism

دانلود کتاب The Sports Doping Market: Understanding Supply and Demand, and the Challenges of Their Control

دانلود کتاب Evaluation of Intelligent Road Transport Systems: Methods and Results

دانلود کتاب Корислива насильницька злочинність в Україні: феномен, детермінація, запобігання [монографія]