ورود به حساب

نام کاربری گذرواژه

گذرواژه را فراموش کردید؟ کلیک کنید

حساب کاربری ندارید؟ ساخت حساب

ساخت حساب کاربری

نام نام کاربری ایمیل شماره موبایل گذرواژه

برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید


09117307688
09117179751

در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید

دسترسی نامحدود

برای کاربرانی که ثبت نام کرده اند

ضمانت بازگشت وجه

درصورت عدم همخوانی توضیحات با کتاب

پشتیبانی

از ساعت 7 صبح تا 10 شب

دانلود کتاب Machine Learning at Scale with H2O: A practical guide to building and deploying machine learning models on enterprise systems

دانلود کتاب یادگیری ماشینی در مقیاس با H2O: راهنمای عملی برای ساخت و استقرار مدل‌های یادگیری ماشین در سیستم‌های سازمانی

Machine Learning at Scale with H2O: A practical guide to building and deploying machine learning models on enterprise systems

مشخصات کتاب

Machine Learning at Scale with H2O: A practical guide to building and deploying machine learning models on enterprise systems

ویرایش:  
نویسندگان:   
سری:  
ISBN (شابک) : 1800566018, 9781800566019 
ناشر: Packt Publishing 
سال نشر: 2022 
تعداد صفحات: 396 
زبان: English 
فرمت فایل : EPUB (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 14 Mb

قیمت کتاب (تومان) : 35,000



ثبت امتیاز به این کتاب

میانگین امتیاز به این کتاب :
       تعداد امتیاز دهندگان : 6


در صورت تبدیل فایل کتاب Machine Learning at Scale with H2O: A practical guide to building and deploying machine learning models on enterprise systems 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 در مقیاس با H2O: راهنمای عملی برای ساخت و استقرار مدل‌های یادگیری ماشین در سیستم‌های سازمانی 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 در مقیاس با H2O: راهنمای عملی برای ساخت و استقرار مدل‌های یادگیری ماشین در سیستم‌های سازمانی



مدل‌های پیش‌بینی‌کننده را با استفاده از حجم داده‌های بزرگ بسازید و آنها را با استفاده از تکنیک‌های پیشرفته در تولید بکار ببرید

ویژگی‌های کلیدی

  • مدل‌های پیشرفته و پیشرفته یادگیری ماشینی را در برابر داده‌های مقیاس بزرگ بسازید
  • مدل‌های استقرار برای داده‌های دسته‌ای، هم‌زمان و جریان در طیف گسترده‌ای از سیستم‌های تولید هدف
  • تمام ویژگی‌های جدید H2O AI Cloud end را کاوش کنید. پلت فرم یادگیری ماشینی به پایان

توضیحات کتاب

H2O یک منبع باز است چارچوب یادگیری ماشینی سریع و مقیاس پذیر که به شما امکان می دهد مدل هایی را با استفاده از داده های بزرگ بسازید و سپس به راحتی آنها را در محیط های مختلف سازمانی تولید کنید.

یادگیری ماشین در مقیاس با H2O با یک مروری بر چالش‌های پیش‌رو در ساخت مدل‌های یادگیری ماشینی در سیستم‌های سازمانی بزرگ، و سپس به چگونگی کمک H2O به شما برای غلبه بر آن می‌پردازد. آنها شما با کاوش در معماری توزیع شده در حافظه H2O شروع خواهید کرد و خواهید فهمید که چگونه می توانید مدل های بسیار دقیق و قابل توضیحی را بر روی مجموعه داده های عظیم با استفاده از الگوریتم های ML، زبان و IDE مورد علاقه خود بسازید. شما همچنین با ادغام یکپارچه ساخت مدل H2O و استقرار با Spark با استفاده از آب گازدار H2O آشنا خواهید شد. سپس یاد خواهید گرفت که چگونه به راحتی مدل ها را با H2O MOJO استقرار دهید. در مرحله بعد، این کتاب به شما نشان می‌دهد که H2O Enterprise Steam چگونه پیکربندی‌های مدیریت و مدیریت کاربر را مدیریت می‌کند، و سپس به شما کمک می‌کند دیدگاه‌های مختلف ذینفعان را که یک دانشمند داده برای موفقیت در یک محیط سازمانی باید درک کند، شناسایی کنید. در نهایت، شما با پلت فرم H2O AI Cloud آشنا می شوید و کل چرخه زندگی یادگیری ماشین را با استفاده از چندین قابلیت پیشرفته هوش مصنوعی کاوش می کنید.

در پایان این کتاب، شما می توانید مدل های پیشرفته و پیشرفته یادگیری ماشینی را برای نیازهای کسب و کار خود بسازید و به کار بگیرید.

آنچه خواهید آموخت

  • ساخت و استقرار مدل‌های یادگیری ماشین با استفاده از H2O
  • کاوش تکنیک‌های پیشرفته ساخت مدل
  • ادغام کد Spark و H2O با استفاده از آب گازدار H2O
  • راه اندازی خود -محیط های ساختمان مدل سرویس
  • استقرار مدل های H2O در انواع سیستم های هدف و زمینه های امتیازدهی
  • قابلیت‌های یادگیری ماشینی خود را در H2O AI Cloud گسترش دهید

این کتاب برای چه کسی است

این کتاب برای دانشمندان داده و یادگیری ماشین است مهندسانی که می‌خواهند با ساخت و استقرار مدل‌های پیشرفته با تکنیک‌های پیشرفته با استفاده از فناوری H2O، تجربه یادگیری ماشینی را به دست آورند. درک فرآیند علم داده و تجربه در برنامه نویسی پایتون توصیه می شود. این کتاب همچنین با کمک به دانش‌آموزان در درک نحوه عملکرد یادگیری ماشین در سناریوهای سازمانی در دنیای واقعی مفید خواهد بود.

فهرست محتوا

    <. li>فرصت ها و چالش ها
  1. اجزای پلت فرم و مفاهیم کلیدی
    2. < li>جریان کاری بنیادی - داده ها به مدل قابل استقرار
  2. ساخت مدل H2O در مقیاس – قابلیت بیان</ span>
  3. ساختمان مدل پیشرفته – قسمت اول
  4. ساختمان مدل پیشرفته – قسمت دوم span>
  5. درک مدل های ML
  6. در کنار هم قرار دادن همه چیز
  7. امتیاز تولید و H2O MOJO
  8. الگوهای استقرار مدل H2O< /span>
  9. نمایش مدیر و عملیات
  10. معمار سازمانی و نمای امنیتی s
  11. معرفی H2O AI Cloud
  12. H2O در مقیاس در یک زمینه پلتفرم بزرگتر
  13. پیوست – روش‌های جایگزین برای راه‌اندازی خوشه‌های H2O

توضیحاتی درمورد کتاب به خارجی

Build predictive models using large data volumes and deploy them to production using cutting-edge techniques

Key Features

  • Build highly accurate state-of-the-art machine learning models against large-scale data
  • Deploy models for batch, real-time, and streaming data in a wide variety of target production systems
  • Explore all the new features of the H2O AI Cloud end-to-end machine learning platform

Book Description

H2O is an open source, fast, and scalable machine learning framework that allows you to build models using big data and then easily productionalize them in diverse enterprise environments.

Machine Learning at Scale with H2O begins with an overview of the challenges faced in building machine learning models on large enterprise systems, and then addresses how H2O helps you to overcome them. You'll start by exploring H2O's in-memory distributed architecture and find out how it enables you to build highly accurate and explainable models on massive datasets using your favorite ML algorithms, language, and IDE. You'll also get to grips with the seamless integration of H2O model building and deployment with Spark using H2O Sparkling Water. You'll then learn how to easily deploy models with H2O MOJO. Next, the book shows you how H2O Enterprise Steam handles admin configurations and user management, and then helps you to identify different stakeholder perspectives that a data scientist must understand in order to succeed in an enterprise setting. Finally, you'll be introduced to the H2O AI Cloud platform and explore the entire machine learning life cycle using multiple advanced AI capabilities.

By the end of this book, you'll be able to build and deploy advanced, state-of-the-art machine learning models for your business needs.

What you will learn

  • Build and deploy machine learning models using H2O
  • Explore advanced model-building techniques
  • Integrate Spark and H2O code using H2O Sparkling Water
  • Launch self-service model building environments
  • Deploy H2O models in a variety of target systems and scoring contexts
  • Expand your machine learning capabilities on the H2O AI Cloud

Who this book is for

This book is for data scientists and machine learning engineers who want to gain hands-on machine learning experience by building and deploying state-of-the-art models with advanced techniques using H2O technology. An understanding of the data science process and experience in Python programming is recommended. This book will also benefit students by helping them understand how machine learning works in real-world enterprise scenarios.

Table of Contents

  1. Opportunities and Challenges
  2. Platform Components and Key Concepts
  3. Fundamental Workflow - Data to Deployable Model
  4. H2O Model Building at Scale – Capability Articulation
  5. Advanced Model Building – Part I
  6. Advanced Model Building – Part II
  7. Understanding ML Models
  8. Putting It All Together
  9. Production Scoring and the H2O MOJO
  10. H2O Model Deployment Patterns
  11. The Administrator and Operations Views
  12. The Enterprise Architect and Security Views
  13. Introducing the H2O AI Cloud
  14. H2O at Scale in a Larger Platform Context
  15. Appendix – Alternative Methods to Launch H2O Clusters




نظرات کاربران

تمامی حقوق معنوی و مادی وبسایت متعلق به اینترنشنال لایبرری می باشد
نماد اعتماد الکترونیکی