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: James Harrison
سری:
ناشر: Orchid Publishing
سال نشر: 2024
تعداد صفحات: 431
زبان: English
فرمت فایل : EPUB (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 5 Mb
در صورت تبدیل فایل کتاب Machine Learning With Python Programming : 2023 A Beginners Guide 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 با برنامه نویسی پایتون: راهنمای مبتدیان 2023 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.
Machine Learning With Python Programming : 2023 A Beginners Guide Chapter 1 Overview of Artificial Intelligence.............................16 Chapter 2 Python Machine Learning Ecosystem.........................45 Chapter 3 A Quick Course on SciPy and Python.........................15 Chapter 4 How to Import Data for Machine Learning..................27 Chapter 5 Use Descriptive Statistics to Gain Understanding of Your Data 31 Chapter 6 Understand Your Data With Visualization...................38 Chapter 7 Get Ready for Machine Learning with Your Data...........47 Chapter 8 Choosing Features for Machine Learning....................52 Chapter 9 Analyze Machine Learning Algorithms' Performance Using Resampling 57 Chapter 10 Performance Measures for Algorithms in Machine Learning 64 Chapter 11 Spot-Check Classification Algorithms.......................70 Chapter 12 Algorithms for Spot-Check Regression.....................76 Chapter 13 Compare Machine Learning Algorithms....................84 Chapter 14 Use Pipelines to Automate Machine Learning Workflows87 Chapter 15 Boost Performance in Group Settings......................91 Chapter 16 Boost Efficiency via Algorithm Adjustment................98 Chapter 17 Store and Import Deep Learning Models..................101 Chapter 18 Template for Predictive Modeling Projects...............105 Chapter 19 Your First Machine Learning Project in Python Step-By-Step 111 Chapter 20 Regression Machine Learning Case Study Project......124 Chapter 21 Binary Classification Machine Learning Case Study Project 144 Chapter 22 More Predictive Modeling Projects.........................165 INTRODUCTION Chapter 1 Overview of Artificial Intelligence Chapter 2 Python Machine Learning Ecosystem Chapter 3 A Quick Course on SciPy and Python Chapter 4 How to Import Data for Machine Learning Chapter 5 Use Descriptive Statistics to Gain Understanding of Your Data Chapter 6 Understand Your Data With Visualization Chapter 7 Get Ready for Machine Learning with Your Data Chapter 8 Choosing Features for Machine Learning Chapter 9 Analyze Machine Learning Algorithms' Performance Using Resampling Chapter 10 Performance Measures for Algorithms in Machine Learning Chapter 11 Spot-Check Classification Algorithms Chapter 12 Algorithms for Spot-Check Regression Chapter 13 Compare Machine Learning Algorithms Chapter 14 Use Pipelines to Automate Machine Learning Workflows Chapter 15 Boost Performance in Group Settings Chapter 16 Boost Efficiency via Algorithm Adjustment Chapter 17 Store and Import Deep Learning Models Chapter 18 Template for Predictive Modeling Projects Chapter 19 Your First Machine Learning Project in Python Step-By-Step Chapter 20 Regression Machine Learning Case Study Project Chapter 21 Binary Classification Machine Learning Case Study Project Chapter 22 More Predictive Modeling Projects