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
دسته بندی: سایبرنتیک: هوش مصنوعی ویرایش: 2nd نویسندگان: Michael Bowles سری: ISBN (شابک) : 1119561930, 9781119561934 ناشر: Wiley سال نشر: 2020 تعداد صفحات: 369 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 7 مگابایت
در صورت تبدیل فایل کتاب Machine Learning with Spark™ and Python®: Essential Techniques for Predictive Analytics 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 Spark™ و Python®: تکنیک های ضروری برای تجزیه و تحلیل پیش بینی 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.
یادگیری ماشین با تکنیک های ضروری Spark و Python برای تجزیه
و تحلیل پیش بینی کننده، ویرایش دومML را برای استفاده های
عملی با تمرکز بر دو الگوریتم کلیدی ساده می کند. این نسخه دوم
جدید با افزودن Spark - یک چارچوب ML از بنیاد آپاچی بهبود می
یابد. با پیادهسازی Spark، دانشآموزان یادگیری ماشینی میتوانند
به راحتی مجموعه دادههای بسیار بزرگی را پردازش کرده و
الگوریتمهای اسپارک را با استفاده از کدهای معمولی پایتون
فراخوانی کنند.
یادگیری ماشین با اسپارک و پایتونبر دو خانواده الگوریتم
تمرکز میکند. (روش های خطی و روش های مجموعه ای) که به طور موثر
نتایج را پیش بینی می کنند. این نوع مشکل موارد استفاده زیادی را
پوشش میدهد، مانند اینکه چه تبلیغی در یک صفحه وب قرار داده شود،
پیشبینی قیمتها در بازارهای اوراق بهادار، یا کشف تقلب در کارت
اعتباری. تمرکز بر دو خانواده فضای کافی برای توصیف کامل
مکانیسمهای موجود در الگوریتمها را میدهد. سپس نمونههای کد
برای نشان دادن عملکرد ماشینآلات با کد قابل هک خاص استفاده
میشوند.
Machine Learning with Spark and Python Essential Techniques
for Predictive Analytics, Second Editionsimplifies ML for
practical uses by focusing on two key algorithms. This new
second edition improves with the addition of Spark--a ML
framework from the Apache foundation. By implementing Spark,
machine learning students can easily process much large data
sets and call the spark algorithms using ordinary Python
code.
Machine Learning with Spark and Pythonfocuses on two
algorithm families (linear methods and ensemble methods) that
effectively predict outcomes. This type of problem covers many
use cases such as what ad to place on a web page, predicting
prices in securities markets, or detecting credit card fraud.
The focus on two families gives enough room for full
descriptions of the mechanisms at work in the algorithms. Then
the code examples serve to illustrate the workings of the
machinery with specific hackable code.