دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید
در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید
برای کاربرانی که ثبت نام کرده اند
درصورت عدم همخوانی توضیحات با کتاب
از ساعت 7 صبح تا 10 شب
ویرایش:
نویسندگان: Bostjan Kaluza
سری:
ISBN (شابک) : 1784396583, 9781784396589
ناشر: Packt Publishing
سال نشر: 2016
تعداد صفحات: 257
زبان: English
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 4 مگابایت
کلمات کلیدی مربوط به کتاب یادگیری ماشین در جاوا: الگوریتم ها، ساختارهای داده، ژنتیک، مدیریت حافظه، برنامه نویسی، کامپیوتر و فناوری، مقدماتی و شروع، برنامه نویسی، کامپیوتر و فناوری، توسعه نرم افزار، طراحی نرم افزار، تست و مهندسی، برنامه نویسی، کامپیوتر و فناوری، راهنماهای مبتدی، جاوا، زبان های برنامه نویسی، کامپیوتر و فناوری
در صورت تبدیل فایل کتاب Machine Learning in Java 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 ماشین در جاوا 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.
با استفاده از کتابخانههای کلیدی یادگیری ماشین جاوا درباره این کتاب، برنامههای یادگیری ماشینی خود را طراحی، بسازید و به کار ببرید - یک استراتژی مناسب برای حل مشکلات مدلسازی پیشبینیکننده با استفاده از محبوبترین کتابخانههای جاوا یادگیری ماشین ایجاد کنید - طیف گستردهای از پردازش دادهها، یادگیری ماشین را کاوش کنید. و پردازش زبان طبیعی از طریق نمودارها، کد منبع، و برنامه های کاربردی در دنیای واقعی - مملو از توصیه های عملی و نکاتی است که به شما کمک می کند تا با یادگیری ماشینی کاربردی آشنا شوید. این کتاب برای چه کسی است. از داده های شما، این کتاب برای شماست. این شما را به سرعت راه اندازی می کند و مهارت های لازم برای ایجاد، سفارشی سازی و استقرار موفقیت آمیز برنامه های یادگیری ماشین را در زندگی واقعی در اختیار شما قرار می دهد. شما باید با مفاهیم برنامه نویسی جاوا و داده کاوی آشنا باشید تا از این کتاب حداکثر استفاده را ببرید، اما هیچ تجربه قبلی با بسته های داده کاوی لازم نیست. رویکردهای یادگیری- کتابخانه های کلیدی یادگیری ماشین جاوا را کشف کنید، هر کتابخانه چه چیزی را روی میز می آورد و چه نوع مشکلاتی را هر کدام می توانند حل کنند- یاد بگیرید چگونه طبقه بندی، رگرسیون و خوشه بندی را پیاده سازی کنید- یک استراتژی پایدار برای حفظ مشتری با پیش بینی احتمالی ایجاد کنید. کاندیداها را برگردانید- با Apache Mahout یک موتور توصیه مقیاس پذیر بسازید- استفاده از یادگیری ماشینی برای تقلب، ناهنجاری و تشخیص موارد پرت- آزمایش با مفاهیم یادگیری عمیق، الگوریتم ها و جعبه ابزار برای یادگیری عمیق- مدل شناسایی فعالیت خود را برای برنامه های سلامت الکترونیک با استفاده از تلفن همراه بنویسید. حسگرها در جزئیات از آنجایی که میزان داده ها با سرعتی تقریبا نامفهوم به رشد خود ادامه می دهند، توانایی درک و پردازش داده ها در حال تبدیل شدن به یک تمایز کلیدی برای سازمان های رقابتی است. برنامههای یادگیری ماشین همه جا هستند، از ماشینهای خودران، تشخیص هرزنامه، جستجوی اسناد، و استراتژیهای معاملاتی گرفته تا تشخیص گفتار. این امر باعث میشود که یادگیری ماشین برای عصر کنونی Big Data و علم داده مناسب باشد. چالش اصلی این است که چگونه داده ها را به دانش عملی تبدیل کنیم. یادگیری ماشینی در جاوا تکنیک ها و ابزارهایی را در اختیار شما قرار می دهد که برای به دست آوردن سریع بینش از داده های پیچیده نیاز دارید. شما با یادگیری نحوه به کارگیری روشهای یادگیری ماشین برای انواع وظایف رایج از جمله طبقهبندی، پیشبینی، پیشبینی، تجزیه و تحلیل سبد بازار و خوشهبندی شروع میکنید. در ادامه، نحوه تشخیص ناهنجاریها و تقلبها و راههای انجام شناسایی فعالیتها را کشف خواهید کرد. ، تشخیص تصویر و تجزیه و تحلیل متن. در پایان کتاب، منابع و فناوریهای مرتبط وب را کاوش خواهید کرد که به شما کمک میکنند تا یادگیری خود را به سطح بعدی ببرید. با استفاده از مؤثرترین روشهای یادگیری ماشینی برای مشکلات دنیای واقعی، تجربه عملی به دست خواهید آورد که طرز فکر شما در مورد داده ها را تغییر دهید. سبک و رویکرد این یک آموزش عملی است که از مثال های عملی برای گام برداشتن در برخی از برنامه های کاربردی یادگیری ماشین در دنیای واقعی استفاده می کند. بدون دوری از جزئیات فنی، یادگیری ماشین را با کتابخانه های جاوا با استفاده از مثال های واضح و عملی کشف خواهید کرد. نحوه آماده سازی داده ها برای تجزیه و تحلیل، انتخاب روش یادگیری ماشین و سنجش موفقیت فرآیند را بررسی خواهید کرد.
Design, build, and deploy your own machine learning applications by leveraging key Java machine learning librariesAbout This Book- Develop a sound strategy to solve predictive modelling problems using the most popular machine learning Java libraries- Explore a broad variety of data processing, machine learning, and natural language processing through diagrams, source code, and real-world applications- Packed with practical advice and tips to help you get to grips with applied machine learningWho This Book Is ForIf you want to learn how to use Java's machine learning libraries to gain insight from your data, this book is for you. It will get you up and running quickly and provide you with the skills you need to successfully create, customize, and deploy machine learning applications in real life. You should be familiar with Java programming and data mining concepts to make the most of this book, but no prior experience with data mining packages is necessary.What You Will Learn- Understand the basic steps of applied machine learning and how to differentiate among various machine learning approaches- Discover key Java machine learning libraries, what each library brings to the table, and what kind of problems each are able to solve- Learn how to implement classification, regression, and clustering- Develop a sustainable strategy for customer retention by predicting likely churn candidates- Build a scalable recommendation engine with Apache Mahout- Apply machine learning to fraud, anomaly, and outlier detection- Experiment with deep learning concepts, algorithms, and the toolbox for deep learning- Write your own activity recognition model for eHealth applications using mobile sensorsIn DetailAs the amount of data continues to grow at an almost incomprehensible rate, being able to understand and process data is becoming a key differentiator for competitive organizations. Machine learning applications are everywhere, from self-driving cars, spam detection, document search, and trading strategies, to speech recognition. This makes machine learning well-suited to the present-day era of Big Data and Data Science. The main challenge is how to transform data into actionable knowledge.Machine Learning in Java will provide you with the techniques and tools you need to quickly gain insight from complex data. You will start by learning how to apply machine learning methods to a variety of common tasks including classification, prediction, forecasting, market basket analysis, and clustering.Moving on, you will discover how to detect anomalies and fraud, and ways to perform activity recognition, image recognition, and text analysis. By the end of the book, you will explore related web resources and technologies that will help you take your learning to the next level.By applying the most effective machine learning methods to real-world problems, you will gain hands-on experience that will transform the way you think about data.Style and approachThis is a practical tutorial that uses hands-on examples to step through some real-world applications of machine learning. Without shying away from the technical details, you will explore machine learning with Java libraries using clear and practical examples. You will explore how to prepare data for analysis, choose a machine learning method, and measure the success of the process.