Hands-On Machine Learning with Microsoft Excel 2019: Build complete data analysis flows, from data collection to visualization

راهنمای عملی برای استفاده حداکثری از Excel، استفاده از آن برای آماده‌سازی داده‌ها، استفاده از مدل‌های یادگیری ماشین (از جمله سرویس‌های ابری) و درک نتیجه تجزیه و تحلیل داده‌ها.

• از محصول اکسل مایکروسافت برای ساختن مدل های پیش بینی پیشرفته با استفاده از مثال های متنوع استفاده کنید
• محدوده ای از وظایف یادگیری ماشین مانند داده کاوی، تجزیه و تحلیل داده ها، تجسم هوشمند، و موارد دیگر
• تکنیک های مبتنی بر داده را با استفاده از افزونه ها و APIهای اکسل بدون نیاز به کد زیاد استخراج کنید

توضیحات کتاب

ما در آموزش پیشرفت زیادی داشته ایم کامپیوترها برای انجام کارهای دشوار، به ویژه کارهایی که برای انسان تکراری و وقت گیر هستند. کاربران اکسل، در تمام سطوح، می توانند احساس کنند که از این موج نوآوری عقب مانده اند. حقیقت این است که مقدار زیادی از کار مورد نیاز برای توسعه و استفاده از یک مدل یادگیری ماشینی را می توان در اکسل انجام داد.

این کتاب با ارائه یک مقدمه کلی برای یادگیری ماشین شروع می شود و هر مفهومی را واضح و قابل درک می کند. سپس، هر مرحله از پروژه یادگیری ماشینی، از جمع‌آوری داده‌ها، خواندن از منابع داده‌های مختلف، توسعه مدل‌ها و تجسم نتایج با استفاده از ویژگی‌ها و پیشنهادات اکسل را نشان می‌دهد. در هر فصل، چندین مثال و تمرین عملی وجود دارد که به خواننده نشان می‌دهد چگونه توابع اکسل، افزونه‌ها، و اتصالات به پایگاه‌های داده و سرویس‌های ابری را برای رسیدن به هدف مورد نظر ترکیب کند: ایجاد یک جریان تجزیه و تحلیل کامل داده‌ها. مدل‌های مختلف یادگیری ماشین نشان داده شده‌اند که متناسب با نوع داده‌های مورد تجزیه و تحلیل هستند.

در پایان کتاب، برخی از موارد استفاده پیشرفته با استفاده از یادگیری ماشین خودکار و شبکه عصبی مصنوعی به خواننده ارائه می‌شود که کار تجزیه و تحلیل را ساده می‌کند و آینده یادگیری ماشین را نشان می‌دهد.

آنچه یاد خواهید گرفت

• از Excel برای پیش نمایش و پاکسازی مجموعه داده ها استفاده کنید
• همبستگی بین متغیرها را درک کنید و ورودی مدل های یادگیری ماشین را بهینه کنید
• استفاده و ارزیابی مدل های مختلف یادگیری ماشین از اکسل
• استفاده از تجسم های مختلف را درک کنید
• مفاهیم و محاسبات اساسی را برای درک نحوه عملکرد شبکه های عصبی مصنوعی بیاموزید
• چگونگی اتصال اکسل را به ابر مایکروسافت Azure بیاموزید
• از اثبات مفاهیم فراتر بروید و جریان های تجزیه و تحلیل داده کاملاً کاربردی ایجاد کنید

این کتاب برای چه کسانی است h4>

این کتاب برای تجزیه و تحلیل داده ها، علاقه مندان به یادگیری ماشین، مدیران پروژه و افرادی است که نمی خواهند برای انجام وظایف اصلی یادگیری ماشین کدنویسی کنند. هر مثال به شما کمک می کند تا تجزیه و تحلیل هوشمند سرتاسر را انجام دهید. دانش کاری اکسل مورد نیاز است.

فهرست محتوا

1. پیاده سازی الگوریتم های یادگیری ماشین
2. نمونه های عملی از مدل های یادگیری ماشین
3. وارد کردن داده ها به اکسل از منابع مختلف داده
4. پاکسازی داده ها و تجزیه و تحلیل داده های اولیه
5. همبستگی ها و اهمیت متغیرها
6. مدل های داده کاوی در اکسل Hands -روی مثال‌ها
7. پیاده‌سازی سری‌های زمانی
8. تجسم داده‌ها در نمودارها، هیستوگرام‌ها و نقشه‌ها
9. شبکه‌های عصبی مصنوعی
10. Azure و Excel - یادگیری ماشینی در ابر
11. آینده یادگیری ماشین

A practical guide to getting the most out of Excel, using it for data preparation, applying machine learning models (including cloud services) and understanding the outcome of the data analysis.

Key Features

• Use Microsoft's product Excel to build advanced forecasting models using varied examples
• Cover range of machine learning tasks such as data mining, data analytics, smart visualization, and more
• Derive data-driven techniques using Excel plugins and APIs without much code required

Book Description

We have made huge progress in teaching computers to perform difficult tasks, especially those that are repetitive and time-consuming for humans. Excel users, of all levels, can feel left behind by this innovation wave. The truth is that a large amount of the work needed to develop and use a machine learning model can be done in Excel.

The book starts by giving a general introduction to machine learning, making every concept clear and understandable. Then, it shows every step of a machine learning project, from data collection, reading from different data sources, developing models, and visualizing the results using Excel features and offerings. In every chapter, there are several examples and hands-on exercises that will show the reader how to combine Excel functions, add-ins, and connections to databases and to cloud services to reach the desired goal: building a full data analysis flow. Different machine learning models are shown, tailored to the type of data to be analyzed.

At the end of the book, the reader is presented with some advanced use cases using Automated Machine Learning, and artificial neural network, which simplifies the analysis task and represents the future of machine learning.

What you will learn

• Use Excel to preview and cleanse datasets
• Understand correlations between variables and optimize the input to machine learning models
• Use and evaluate different machine learning models from Excel
• Understand the use of different visualizations
• Learn the basic concepts and calculations to understand how artificial neural networks work
• Learn how to connect Excel to the Microsoft Azure cloud
• Get beyond proof of concepts and build fully functional data analysis flows

Who this book is for

This book is for data analysis, machine learning enthusiasts, project managers, and someone who doesn't want to code much for performing core tasks of machine learning. Each example will help you perform end-to-end smart analytics. Working knowledge of Excel is required.

Table of Contents

1. Implementing Machine Learning Algorithms
2. Hands-on examples of machine learning models
3. Importing Data into Excel from Different Data Sources
4. Data cleansing and preliminary data analysis
5. Correlations and the Importance of Variables
6. Data Mining Models in Excel Hands-On Examples
7. Implementing Time Series
8. Visualizing data in diagrams, histograms, and maps
9. Artificial Neural Networks
10. Azure and Excel - Machine Learning in the Cloud
11. The future of Machine Learning