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: Whitenack. Daniel
سری:
ISBN (شابک) : 9781785882104, 1785882104
ناشر:
سال نشر: 2017
تعداد صفحات: 0
زبان: English
فرمت فایل : ZIP (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 3 مگابایت
در صورت تبدیل فایل کتاب Machine learning with Go : (src Code) 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 با Go : (src Code) 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 یادگیری ماشینی با زبان Go خود گوگل درباره این کتاب شروع کنید* با استفاده از کتابخانه های ماشینی محبوب در اکوسیستم Go، سیستم های یادگیری ماشینی ساده بسازید* درباره آمار، الگوریتم ها و ابزارهای مورد نیاز برای راه اندازی و اجرای یادگیری ماشین در Go بیاموزید* بدانید چگونه انتخاب بین مدلهای یادگیری ماشین برای حل مشکلات موجودWho This Book Is ForThis کتاب برای توسعه دهندگان Go است که با سینتکس و برنامهنویسی با Go آشنا هستند و اکنون میخواهند با Go وارد حوزه علم داده شوند. آشنایی با آمار و ریاضیات ضروری است. آنچه یاد خواهید گرفت* مروری سریع از اصول یادگیری ماشین داشته باشید* مسائل مهندسی را درک کنید-اندازه مدل، زمان پیش بینی، زمان آموزش و به روز رسانی مدل* درک SVM، درخت های تصمیم گیری، جنگل های تصادفی، مجموعهها و شبکههای عصبی* دانش بهدستآمده را برای ساختن سیستمهای واقعی به کار ببرید و ببینید که چگونه یادگیری ماشین واقعاً در سیستمهای انتها به انتها جا میشود* رسیدگی به مسائل عملی هنگام استقرار یک سیستم یادگیری ماشین در سناریوهای دنیای واقعی، DetailGo روز به روز محبوبتر میشود. به دلیل سادگی آن امکانات محض برای انجام یادگیری ماشینی با Go هیجانانگیز است. این کتاب به شما یاد می دهد که چگونه با استفاده از Go جنبه های مختلف وظایف یادگیری ماشین را انجام دهید. این کتاب شما را با مفاهیم یادگیری ماشینی آشنا می کند و همچنین به شما کمک می کند تا محیط Go را درک کرده و آن را تنظیم کنید. تجربه عملی کار با الگوریتمهای مختلف یادگیری ماشین مانند خوشهبندی، خلیجهای ساده، جنگل تصادفی، SVM، درختهای تصمیم، شبکههای عصبی، فاکتورسازی و موارد دیگر را به دست خواهید آورد. شما یاد خواهید گرفت که در هنگام استقرار یک سیستم یادگیری ماشینی از طریق سناریوهای دنیای واقعی به مسائل عملی بپردازید. همچنین با شبکههای عصبی کانولوشنال برای ساختن یک طبقهبندیکننده انگلیسی بهبودیافته ویکیپدیا آشنا خواهید شد. در پایان کتاب، میتوانید تمام دانش بهدستآمده را برای ساختن سیستمهای واقعی به کار ببرید و ببینید که چگونه یادگیری ماشینی واقعاً در پایان قرار میگیرد. سیستم های به پایان
Get started with machine learning with Google's own Go languageAbout This Book* Build simplistic machine learning systems using popular machine libraries in the Go ecosystem* Learn about the statistics, algorithms, and tools needed to get up and running with machine learning in Go* Understand how to choose between machine learning models to solve problems at handWho This Book Is ForThis book is for Go developers who are familiar with syntax and programming with Go and now want to enter the field of data science with Go. Familiarity with statistics and math is necessary.What you will learn* Get a quick walkthrough of the basics of Machine Learning* Understand engineering issues-model size, prediction time, training time, and model updates* Understand SVM, decision trees, random forests, ensembles, and neural networks* Apply the knowledge gained to build actual systems and see how machine learning actually fits in end-to-end systems* Address practical issues when deploying a machine learning system in real-world scenariosIn DetailGo is getting more and more popular due to its simplicity. The sheer possibilities to perform machine learning with Go is exciting. This book will teach you how to perform the various aspects of machine learning tasks using Go.This book introduces you to the concepts of machine learning and will also help you understand the Go environment and set it up. You will gain hands-on experience of working with various machine learning algorithms such as clustering, naive bayes, random forest, SVM, decision trees, neural networks, factorization, and much more. You will learn to address practical issues when deploying a machine learning system through real-world scenarios. You will also get to grips with Convolutional Neural Networks to build an improved Wikipedia English Classifier.By the end of the book, you will have be able to apply all the knowledge gained to build actual systems and see how machine learning actually fits in end-to-end systems.