مشخصات کتاب
Introduction to Machine Learning with Python
دسته بندی: سایبرنتیک: هوش مصنوعی
ویرایش:
نویسندگان: Mueller Andreas C., Guido Sarah.
سری:
ناشر:
سال نشر:
تعداد صفحات: 0
زبان: English
فرمت فایل : EPUB (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 26 مگابایت
قیمت کتاب (تومان) : 47,000
کلمات کلیدی مربوط به کتاب مقدمه ای بر آموزش ماشین با پایتون: انفورماتیک و مهندسی کامپیوتر، هوش مصنوعی
میانگین امتیاز به این کتاب :
تعداد امتیاز دهندگان : 13
در صورت تبدیل فایل کتاب Introduction to Machine Learning with Python 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 مقدمه ای بر آموزش ماشین با پایتون 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 مقدمه ای بر آموزش ماشین با پایتون
نسخه اولیه - خام و ویرایش نشده. — رسانه
O'Really، 2016 (25 سپتامبر). - 340 ص. — ISBN: 1449369413,
978-1-491-91721-3.
بسیاری از توسعه دهندگان پایتون کنجکاو هستند که یادگیری ماشین
چیست و چگونه می توان آن را به طور ملموس برای حل مسائلی که در
کسب و کارهایی که در مشاغل متوسط و بزرگ با آن مواجه هستند به
کار برد. مقدار داده یادگیری ماشین با پایتون اصول یادگیری ماشین
را به شما می آموزد و درک عملی کاملی از موضوع ارائه می دهد.
شما مفاهیم و الگوریتم
های مهم یادگیری ماشین را خواهید آموخت، زمان استفاده از آنها و
نحوه استفاده از آنها این کتاب یک گردش کار یادگیری ماشین را پوشش
می دهد: پیش پردازش داده ها و کار با داده ها، الگوریتم های
آموزش، ارزیابی نتایج، و پیاده سازی آن الگوریتم ها در یک سیستم
سطح تولید.
جدول از مطالب:
مقدمه.
یادگیری نظارت شده.
یادگیری و پیش پردازش بدون نظارت.
خلاصه ای از روش ها و کاربردهای یادگیری scikit.
نمایش داده ها و ویژگی های مهندسی.
ارزیابی و بهبود مدل.
زنجیره ها و خطوط لوله الگوریتم.
کار با داده های متنی.
توضیحاتی درمورد کتاب به خارجی
Early Release - Raw & Unedited. — O'Really
Media, 2016 (September, 25). — 340 p. — ISBN: 1449369413,
978-1-491-91721-3.
Many Python developers are curious about what machine learning
is and how it can be concretely applied to solve issues faced
in businesses handling medium to large amount of data. Machine
Learning with Python teaches you the basics of machine learning
and provides a thorough hands-on understanding of the subject.
You’ll learn important machine
learning concepts and algorithms, when to use them, and how to
use them. The book will cover a machine learning workflow: data
preprocessing and working with data, training algorithms,
evaluating results, and implementing those algorithms into a
production-level system.
Table of Contents:
Introduction.
Supervised Learning.
Unsupervised Learning and Preprocessing.
Summary of scikit-learn methods and usage.
Representing Data and Engineering Features.
Model evaluation and improvement.
Algorithm Chains and Pipelines.
Working with Text Data.
نظرات کاربران
کتاب های مرتبط
دانلود کتاب Practical Text Mining and Statistical Analysis for Non-structured Text Data Applications
دانلود کتاب Computational linguistic text processing: lexicon, grammar, parsing, and anaphora resolution
دانلود کتاب The Prometheus Project, Mankind’s Search for Long-Range Goals
دانلود کتاب Штучн? нейронн? мереж?
دانلود کتاب Artificial intelligence: A modern approach
دانلود کتاب Machine Learning Automation with TPOT: Build, validate, and deploy fully automated machine learning models with Python
دانلود کتاب Text mining and visualization : case studies using open-source tools
دانلود کتاب Machine Learning Pocket Reference: Working with Structured Data in Python
دانلود کتاب Routledge Encyclopedia of Translation Technology
دانلود کتاب Reasoning Web. Declarative Artificial Intelligence: 16th International Summer School 2020, Oslo, Norway, June 24–26, 2020, Tutorial Lectures