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 with Python

دانلود کتاب یادگیری ماشینی با پایتون

Machine Learning with Python

مشخصات کتاب

Machine Learning with Python

دسته بندی: برنامه نويسي
ویرایش:  
نویسندگان:   
سری:  
ISBN (شابک) : 9386551934, 9789386551931 
ناشر: BPB Publications 
سال نشر: 2018 
تعداد صفحات: 269 
زبان: English 
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 8 مگابایت

قیمت کتاب (تومان) : 35,000



ثبت امتیاز به این کتاب

میانگین امتیاز به این کتاب :
       تعداد امتیاز دهندگان : 12


در صورت تبدیل فایل کتاب Machine Learning with 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 یادگیری ماشینی با 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 یادگیری ماشینی با پایتون

مدل‌های یادگیری ماشین خود را برای حل مشکلات دنیای واقعی ایجاد و پیاده‌سازی کنید ویژگی‌های کلیدی• مقدمه‌ای بر یادگیری ماشین، پایتون و ژوپیتر• با مهندسی ویژگی و تجسم داده‌ها با استفاده از مجموعه داده‌های دنیای واقعی آشنا شوید• تکنیک‌های مختلف رگرسیون و طبقه‌بندی را بیاموزید• عمیق مفاهیم و کاربردهای یادگیری و شبکه عصبی پوشش داده شده • تجزیه و تحلیل متن، موتورهای پیشنهادی و تجزیه و تحلیل سری های زمانی • اسکریپت های نوت بوک Jupyter با مجموعه داده ای ارائه شده است که برای آزمایش و آزمایش الگوریتم ها استفاده می شود. هر فصل با مبانی تکنیک و نمونه کار بر روی مجموعه داده های دنیای واقعی شروع می شود. همراه با مشاوره در مورد استفاده از الگوریتم ها، هر تکنیک دارای مزایا و معایبی بر روی داده ها است. در این کتاب نمونه هایی از کدها را در پایتون ارائه می دهیم. پایتون مناسب ترین و پذیرفته شده ترین زبان جهانی برای این کار است. اول اینکه رایگان و متن باز است. این شامل حمایت بسیار خوبی از جامعه باز است. این شامل کتابخانه های زیادی است، بنابراین شما نیازی به کدنویسی همه چیز ندارید. همچنین، برای حجم زیاد داده ها مقیاس پذیر است و برای فناوری های داده های بزرگ مناسب است. چه چیزی را یاد خواهید گرفت ساخت مدل یادگیری ماشین که در صنایع برای حل مشکلات مربوط به داده ها استفاده می شود. این کتاب برای چه کسانی است این کتاب برای همه نوع خوانندگان مفید است. یا می خواهید در یادگیری ماشینی شروع کنید یا می خواهید مفاهیم را بیشتر یاد بگیرید یا با کد تمرین کنید، همه چیز را فراهم می کند. ما به کاربران توصیه می‌کنیم مفهوم را بیاموزند و با استفاده از کد نمونه آن را تمرین کنند تا کامل این کتاب را دریافت کنند.TOC• درک پایتون • مهندسی ویژگی • تجسم داده‌ها• تکنیک‌های رگرسیون اولیه و پیشرفته• طبقه‌بندی • یادگیری بدون نظارت• تجزیه و تحلیل متن• شبکه عصبی و یادگیری عمیق • سیستم توصیه • تجزیه و تحلیل سری زمانی


توضیحاتی درمورد کتاب به خارجی

Develop and Implement your own Machine Learning Models to solve real-world problemsKey Features• Introduction to Machine Learning, Python and Jupyter• Learn about Feature Engineering and Data Visualization using real-world data sets• Learn various regression and classification techniques• Deep Learning and Neural network concepts and practicals covered• Text Analysis, Recommendation engines and Time Series Analysis• Jupyter notebook scripts are provided with dataset used to test and try the algorithmsBook DescriptionThis book provides the concept of machine learning with mathematical explanation and programming examples. Every chapter starts with fundamentals of the technique and working example on real-world dataset. Along with the advice on applying algorithms, each technique is provided with advantages and disadvantages on the data.In this book we provide code examples in python. Python is the most suitable and worldwide accepted language for this. First, it is free and open source. It contains very good support from open community. It contains a lot of library, so you don’t need to code everything. Also, it is scalable for large amount of data and suitable for big data technologies.What will you learnBuilding machine learning model which is used in industries to solve data related problems.Who this book is forThis book is helpful for all types of readers. Either you want to start in machine learning or want to learn the concepts more or practice with the code, it provides everything. We recommend users to learn the concept and practice it using sample code to get the full of this book.TOC• Understanding Python • Feature Engineering • Data Visualisation• Basic and Advance Regression techniques• Classification • Un Supervised Learning• Text Analysis• Neural Network and Deep Learning • Recommendation System • Time Series Analysis



فهرست مطالب

Cover
Title page
Copyright
Preface
Contents
Back Cover




نظرات کاربران

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