Machine Learning Concepts with Python and the Jupyter Notebook Environment: Using Tensorflow 2.0

در محیط Jupyter Notebook برنامه‌های یادگیری ماشین را با پایتون و تنسورفلو 2.0 ایجاد، اجرا، اصلاح و به اشتراک بگذارید. این کتاب با استفاده از Jupyter Notebook به جای یک ویرایشگر متن یا یک IDE معمولی، موانع برنامه‌نویسی برنامه‌های یادگیری ماشین را از بین می‌برد.

شما با یادگیری نحوه استفاده از نوت‌بوک‌های Jupyter برای بهبود روش خود شروع می‌کنید. برنامه با پایتون پس از به دست آوردن پایه‌ای خوب در کار با پایتون در نوت‌بوک‌های Jupyter، متوجه خواهید شد که TensorFlow چیست، چگونه به علاقه‌مندان به یادگیری ماشین کمک می‌کند و چگونه با چالش‌هایی که ارائه می‌کند مقابله کنید. در طول مسیر، نمونه برنامه‌هایی که با استفاده از نوت‌بوک‌های Jupyter ایجاد شده‌اند، به شما امکان می‌دهند مفاهیم قبلی را در کتاب به کار ببرید.

کسانی که در یادگیری ماشینی جدید هستند، می‌توانند با این برنامه‌های آسان وارد آن شوند و مهارت‌های اولیه را توسعه دهند. واژه‌نامه‌ای در انتهای کتاب، کلمات کلیدی و تعاریف رایج یادگیری ماشین و پایتون را برای آسان‌تر کردن یادگیری ارائه می‌کند.

آنچه یاد خواهید گرفت

• برنامه در Python و TensorFlow
• برخورد با موانع اساسی یادگیری ماشین
< li>در محیط Jupyter Notebooks توسعه دهید

این کتاب برای چه کسی است

ایده‌آل برای یادگیری ماشینی و علاقه مندان به یادگیری عمیق که علاقه مند به برنامه نویسی با پایتون با استفاده از Tensorflow 2.0 در برنامه نوت بوک Jupyter هستند. برخی از دانش اولیه مفاهیم یادگیری ماشین و برنامه نویسی پایتون (با استفاده از نسخه 3 پایتون) مفید است.

Create, execute, modify, and share machine learning applications with Python and TensorFlow 2.0 in the Jupyter Notebook environment. This book breaks down any barriers to programming machine learning applications through the use of Jupyter Notebook instead of a text editor or a regular IDE.

You’ll start by learning how to use Jupyter Notebooks to improve the way you program with Python. After getting a good grounding in working with Python in Jupyter Notebooks, you’ll dive into what TensorFlow is, how it helps machine learning enthusiasts, and how to tackle the challenges it presents. Along the way, sample programs created using Jupyter Notebooks allow you to apply concepts from earlier in the book.

Those who are new to machine learning can dive in with these easy programs and develop basic skills. A glossary at the end of the book provides common machine learning and Python keywords and definitions to make learning even easier.

What You Will Learn

• Program in Python and TensorFlow
• Tackle basic machine learning obstacles
• Develop in the Jupyter Notebooks environment

Who This Book Is For

Ideal for Machine Learning and Deep Learning enthusiasts who are interested in programming with Python using Tensorflow 2.0 in the Jupyter Notebook Application. Some basic knowledge of Machine Learning concepts and Python Programming (using Python version 3) is helpful.