دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
دانلود کتاب Machine Learning Pocket Reference: Working with Structured Data in Python
دانلود کتاب مرجع جیبی یادگیری ماشین: کار با داده های ساختاریافته در پایتون
مشخصات کتاب
Machine Learning Pocket Reference: Working with Structured Data in Python
دسته بندی: سایبرنتیک: هوش مصنوعی ویرایش: نویسندگان: Matt Harrison سری: ISBN (شابک) : 1492047546, 9781492047544 ناشر: O’Reilly Media سال نشر: 2019 تعداد صفحات: 0 زبان: English فرمت فایل : EPUB (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 23 مگابایت
قیمت کتاب (تومان) : 54,000
کلمات کلیدی مربوط به کتاب مرجع جیبی یادگیری ماشین: کار با داده های ساختاریافته در پایتون: یادگیری ماشینی، پایتون
در صورت تبدیل فایل کتاب Machine Learning Pocket Reference: Working with Structured Data in 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 مرجع جیبی یادگیری ماشین: کار با داده های ساختاریافته در 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 مرجع جیبی یادگیری ماشین: کار با داده های ساختاریافته در پایتون
با یادداشت‌ها، جداول و مثال‌های دقیق، این مرجع مفید به شما کمک می‌کند تا در اصول یادگیری ماشین ساخت‌یافته پیمایش کنید. مت هریسون، نویسنده، راهنمای ارزشمندی را ارائه می‌کند که می‌توانید برای پشتیبانی بیشتر در طول آموزش و به عنوان منبعی مناسب در پروژه بعدی یادگیری ماشینی خود از آن استفاده کنید. این کتاب ایده آل برای برنامه نویسان، دانشمندان داده و مهندسان هوش مصنوعی است، این کتاب شامل یک نمای کلی از فرآیند یادگیری ماشین است و شما را در طبقه بندی با داده های ساختاریافته راهنمایی می کند. همچنین روش‌هایی را برای خوشه‌بندی، پیش‌بینی یک مقدار پیوسته (رگرسیون)، و کاهش ابعاد، در میان موضوعات دیگر، یاد خواهید گرفت. این مرجع جیبی شامل بخش هایی است که شامل موارد زیر است: • طبقه بندی، با استفاده از مجموعه داده تایتانیک • پاک کردن داده ها و برخورد با داده های از دست رفته • تجزیه و تحلیل داده های اکتشافی • مراحل متداول پیش پردازش با استفاده از داده های نمونه • انتخاب ویژگی های مفید برای مدل • انتخاب مدل • ارزیابی معیارها و طبقه بندی • مثال‌های رگرسیون با استفاده از k-نزدیک‌ترین همسایه، درخت‌های تصمیم، تقویت، و موارد دیگر • معیارهای ارزیابی رگرسیون • خوشه بندی • کاهش ابعاد • خطوط لوله Scikit-Learn
توضیحاتی درمورد کتاب به خارجی
With detailed notes, tables, and examples, this handy reference will help you navigate the basics of structured machine learning. Author Matt Harrison delivers a valuable guide that you can use for additional support during training and as a convenient resource when you dive into your next machine learning project. Ideal for programmers, data scientists, and AI engineers, this book includes an overview of the machine learning process and walks you through classification with structured data. You’ll also learn methods for clustering, predicting a continuous value (regression), and reducing dimensionality, among other topics. This pocket reference includes sections that cover: • Classification, using the Titanic dataset • Cleaning data and dealing with missing data • Exploratory data analysis • Common preprocessing steps using sample data • Selecting features useful to the model • Model selection • Metrics and classification evaluation • Regression examples using k-nearest neighbor, decision trees, boosting, and more • Metrics for regression evaluation • Clustering • Dimensionality reduction • Scikit-learn pipelines
نظرات کاربران
کتاب های مرتبط
دانلود کتاب Штучн? нейронн? мереж?
دانلود کتاب Artificial intelligence: A modern approach
دانلود کتاب Introduction to Machine Learning with Python
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 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
دانلود کتاب Foundations of Machine Learning
دانلود کتاب Reinforcement Learning Algorithms with Python: Learn, understand, and develop smart algorithms for addressing AI challenges
