Hands-On Machine Learning with IBM Watson: Leverage IBM Watson to implement machine learning techniques and algorithms using Python

ویرایش:  
نویسندگان: James D. Miller  
سری:  
ISBN (شابک) : 9781789616279, 9781789611854 
ناشر: Packt Publishing 
سال نشر: 2019 
تعداد صفحات:  
زبان: English 
فرمت فایل : EPUB (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 12 Mb 

قیمت کتاب (تومان) : 33,000



با نحوه ساخت سیستم‌های یادگیری ماشین کامل با خدمات یادگیری ماشینی IBM Cloud و Watson آشنا شوید

\nویژگی های کلیدی\n

تکنیک های علم داده و یادگیری ماشین را برای به دست آوردن بینش از داده های دنیای واقعی پیاده سازی کنید\n

\n

درک کنید که پلت فرم IBM Cloud می تواند به شما در پیاده سازی بینش های شناختی در برنامه ها کمک کند\n

\n

نقش بازنمایی داده و استخراج ویژگی را در هر سیستم یادگیری ماشینی درک کنید

\nتوضیحات کتاب\n

IBM Cloud مجموعه‌ای از خدمات رایانش ابری برای تجزیه و تحلیل داده‌ها با استفاده از یادگیری ماشین و هوش مصنوعی (AI) است. این کتاب راهنمای کاملی است که به شما کمک می‌کند با استفاده از پایتون با یادگیری ماشینی در IBM Cloud آشنا شوید.

آموزش ماشینی عملی با IBM Watson با مفاهیم یادگیری ماشینی تحت نظارت و بدون نظارت شروع می‌شود، علاوه بر اینکه یک نمای کلی از IBM Cloud و Watson Machine Learning را در اختیار شما قرار می‌دهد. شما در مورد اجرای تکنیک‌های مختلف، مانند خوشه‌بندی K-means، K-nearest همسایه (KNN) و پیش‌بینی سری‌های زمانی در IBM Cloud با مثال‌های دنیای واقعی، بینش‌هایی کسب خواهید کرد. سپس این کتاب به شما کمک می کند تا در ایجاد یک خط لوله اسپارک در استودیو Watson به کاوش بپردازید. همچنین با استفاده از TensorFlow از طریق یادگیری عمیق و اصول شبکه عصبی در IBM Cloud راهنمایی خواهید شد. با کمک تکنیک‌های NLP، می‌توانید ساخت یک ربات چت را شروع کنید. در فصل‌های بعدی، سه مطالعه موردی قدرتمند، از جمله پلت‌فرم طبقه‌بندی حالات چهره، طبقه‌بندی خودکار رخساره‌های سنگی، و پلت‌فرم احراز هویت چند بیومتریک را پوشش خواهید داد که به شما کمک می‌کند تا با این روش‌ها به خوبی آشنا شوید.\n

در پایان این کتاب، شما آماده خواهید بود تا راه حل های یادگیری ماشینی کارآمدی را در IBM Cloud بسازید و از داده های موجود با استفاده از مثال های دنیای واقعی، بینش هایی را به دست آورید.

\nآنچه خواهید آموخت\n

ویژگی های کلیدی خدمات یادگیری ماشین IBM را درک کنید\n

\n

تکنیک های تحت نظارت و بدون نظارت را در ابر اجرا کنید\n

\n

با نحوه ایجاد خط لوله اسپارک در استودیو Watson آشنا شوید\n

\n

آموزش عمیق و شبکه های عصبی را در IBM Cloud با TensorFlow پیاده سازی کنید\n

\n

یک راه حل طبقه بندی حالات صورت کامل و مبتنی بر ابر ایجاد کنید\n

\n

از ویژگی های بیومتریک برای ساختن یک سیستم شناسایی انسان مبتنی بر ابر استفاده کنید

\nاین کتاب برای چه کسی است\n

این کتاب سطح مبتدی برای دانشمندان داده و مهندسان یادگیری ماشینی است که می‌خواهند با استفاده از مثال‌های عملی با IBM Cloud و خدمات یادگیری ماشینی آن شروع کنند. دانش اولیه پایتون و درک کمی از یادگیری ماشین مفید خواهد بود.

Learn how to build complete machine learning systems with IBM Cloud and Watson Machine learning services

Key Features

Implement data science and machine learning techniques to draw insights from real-world data

Understand what IBM Cloud platform can help you to implement cognitive insights within applications

Understand the role of data representation and feature extraction in any machine learning system

Book Description

IBM Cloud is a collection of cloud computing services for data analytics using machine learning and artificial intelligence (AI). This book is a complete guide to help you become well versed with machine learning on the IBM Cloud using Python.

Hands-On Machine Learning with IBM Watson starts with supervised and unsupervised machine learning concepts, in addition to providing you with an overview of IBM Cloud and Watson Machine Learning. You'll gain insights into running various techniques, such as K-means clustering, K-nearest neighbor (KNN), and time series prediction in IBM Cloud with real-world examples. The book will then help you delve into creating a Spark pipeline in Watson Studio. You will also be guided through deep learning and neural network principles on the IBM Cloud using TensorFlow. With the help of NLP techniques, you can then brush up on building a chatbot. In later chapters, you will cover three powerful case studies, including the facial expression classification platform, the automated classification of lithofacies, and the multi-biometric identity authentication platform, helping you to become well versed with these methodologies.

By the end of this book, you will be ready to build efficient machine learning solutions on the IBM Cloud and draw insights from the data at hand using real-world examples.

What you will learn

Understand key characteristics of IBM machine learning services

Run supervised and unsupervised techniques in the cloud

Understand how to create a Spark pipeline in Watson Studio

Implement deep learning and neural networks on the IBM Cloud with TensorFlow

Create a complete, cloud-based facial expression classification solution

Use biometric traits to build a cloud-based human identification system

Who this book is for

This beginner-level book is for data scientists and machine learning engineers who want to get started with IBM Cloud and its machine learning services using practical examples. Basic knowledge of Python and some understanding of machine learning will be useful.