مشخصات کتاب

Introduction to Machine Learning with Python A Guide for Data Scientists

ویرایش:  
نویسندگان: Andreas C. Muller,  Sarah Guido  
سری:  
 
ناشر: O'Reilly Media 
سال نشر: 2016 
تعداد صفحات: [392] 
زبان: English 
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 32 Mb 

در صورت تبدیل فایل کتاب Introduction to Machine Learning with Python A Guide 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 مقدمه ای بر یادگیری ماشین با پایتون راهنمای 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 مقدمه ای بر یادگیری ماشین با پایتون راهنمای دانشمندان داده

یادگیری ماشین به بخشی جدایی ناپذیر از بسیاری از برنامه های کاربردی تجاری و پروژه های تحقیقاتی تبدیل شده است، اما این زمینه منحصر به شرکت های بزرگ با تیم های تحقیقاتی گسترده نیست. اگر حتی به عنوان یک مبتدی از پایتون استفاده می کنید، این کتاب راه های عملی برای ساخت راه حل های یادگیری ماشین خود را به شما آموزش می دهد. با تمام داده‌های موجود امروز، برنامه‌های یادگیری ماشین فقط با تخیل شما محدود می‌شوند.
شما مراحل لازم برای ایجاد یک برنامه یادگیری ماشینی موفق با Python و کتابخانه scikit-learn را یاد خواهید گرفت. نویسندگان آندریاس مولر و سارا گویدو بر جنبه‌های عملی استفاده از الگوریتم‌های یادگیری ماشین تمرکز می‌کنند، نه ریاضیات پشت آن‌ها. آشنایی با کتابخانه‌های NumPy و matplotlib به شما کمک می‌کند حتی بیشتر از این کتاب استفاده کنید.
با این کتاب، یاد خواهید گرفت:
مفاهیم اساسی و کاربردهای یادگیری ماشینی
مزایا و کاستی‌های یادگیری ماشینی پرکاربرد الگوریتم‌ها
نحوه نمایش داده‌های پردازش‌شده توسط یادگیری ماشین، از جمله اینکه روی کدام جنبه‌های داده تمرکز کنیم
روش‌های پیشرفته برای ارزیابی مدل و تنظیم پارامترها
مفهوم خطوط لوله برای زنجیره‌ای کردن مدل‌ها و کپسوله‌سازی گردش کار شما
روش‌هایی برای کار با داده های متنی، از جمله تکنیک های پردازش متنی خاص
پیشنهاداتی برای بهبود یادگیری ماشین و مهارت های علم داده

توضیحاتی درمورد کتاب به خارجی

Machine learning has become an integral part of many commercial applications and research projects, but this field is not exclusive to large companies with extensive research teams. If you use Python, even as a beginner, this book will teach you practical ways to build your own machine learning solutions. With all the data available today, machine learning applications are limited only by your imagination.
You’ll learn the steps necessary to create a successful machine-learning application with Python and the scikit-learn library. Authors Andreas Müller and Sarah Guido focus on the practical aspects of using machine learning algorithms, rather than the math behind them. Familiarity with the NumPy and matplotlib libraries will help you get even more from this book.
With this book, you’ll learn:
Fundamental concepts and applications of machine learning
Advantages and shortcomings of widely used machine learning algorithms
How to represent data processed by machine learning, including which data aspects to focus on
Advanced methods for model evaluation and parameter tuning
The concept of pipelines for chaining models and encapsulating your workflow
Methods for working with text data, including text-specific processing techniques
Suggestions for improving your machine learning and data science skills

نظرات کاربران

کتاب های تصادفی

دانلود کتاب El mundo de las palabras. Una introducción a la naturaleza

دانلود کتاب Helen Keller (20th Century Biographies)

دانلود کتاب Le Shiva-Svarodaya - La naissance du souffle de vie révélé par le dieu Shiva

دانلود کتاب Particle Physics - Particle Properties [articles]

دانلود کتاب Kin of place: essays on 20 New Zealand writers