Mastering Java for Data Science

از جاوا برای ایجاد طیف متنوعی از برنامه های کاربردی علم داده و تولید علم داده ها استفاده کنید

درباره این کتاب

• مروری بر کتابخانه های مدرن علم داده و یادگیری ماشین موجود در جاوا
• پوشش مجموعه وسیعی از موضوعات، از اصول یادگیری ماشینی تا یادگیری عمیق و چارچوب های کلان داده.
• تصاویر ساده برای دنبال کردن و نمونه در حال اجرا ساخت موتور جستجو.

این کتاب برای چه کسی است

این کتاب برای مهندسین نرم افزاری است که با توسعه برنامه های جاوا راحت هستند و با مفاهیم اولیه علم داده آشنا هستند. علاوه بر این، برای دانشمندان داده که هنوز جاوا را نمی‌دانند، اما می‌خواهند یا باید آن را یاد بگیرند، مفید خواهد بود.

اگر می‌خواهید برنامه‌های کاربردی علم داده کارآمد بسازید و آنها را بدون تغییر در محیط سازمانی بیاورید. پشته موجود، این کتاب برای شماست!

آنچه خواهید آموخت

• درکی کامل از جعبه ابزار پردازش داده موجود در جاوا به دست آورید
• اکوسیستم علم داده موجود در جاوا را کاوش کنید
• چگونه به مشکلات مختلف یادگیری ماشین با جاوا نزدیک شوید
• اطلاعات بدون ساختار مانند متن یا تصاویر به زبان طبیعی را پردازش کنید.
• موتور جستجوی خود را ایجاد کنید
• با XGBoost عملکردی پیشرفته داشته باشید
• با نحوه ساخت شبکه های عصبی عمیق با DeepLearning4j آشنا شوید
• برنامه‌هایی بسازید که حجم زیادی از داده‌ها را مقیاس‌بندی و پردازش می‌کنند
• مدل‌های علم داده را برای تولید و ارزیابی عملکرد آن‌ها به کار می‌برند

در جزئیات

جاوا محبوب ترین پرطرفدار است زبان ogramming، با توجه به شاخص TIOBE، و یک انتخاب معمولی برای اجرای سیستم های تولید در بسیاری از شرکت ها، هم در دنیای استارتاپ و هم در بین شرکت های بزرگ است. ایجاد برنامه های کاربردی علم داده: سریع است و دارای مجموعه ای عالی از ابزارهای پردازش داده، چه داخلی و چه خارجی است. علاوه بر این، انتخاب جاوا برای علم داده به شما این امکان را می دهد که به راحتی راه حل ها را با نرم افزارهای موجود ادغام کنید و علم داده را با تلاش کمتر وارد تولید کنید.

این کتاب به شما نحوه ایجاد برنامه های کاربردی علم داده با جاوا را آموزش می دهد. ابتدا، مهم‌ترین چیزها را هنگام راه‌اندازی یک برنامه علم داده بازبینی می‌کنیم و سپس اصول اولیه جاوا و یادگیری ماشین را قبل از فرو رفتن در موضوعات پیشرفته‌تر بررسی می‌کنیم. ما با مرور کتابخانه‌های موجود برای پردازش داده و کتابخانه‌هایی با الگوریتم‌های یادگیری ماشین شروع می‌کنیم. پس از آن، موضوعاتی مانند طبقه‌بندی و رگرسیون، کاهش ابعاد و خوشه‌بندی، بازیابی اطلاعات و پردازش زبان طبیعی، و یادگیری عمیق و داده‌های بزرگ را پوشش می‌دهیم.

در نهایت، کتاب را با صحبت در مورد راه‌هایی به پایان می‌رسانیم. مدل را مستقر کرده و آن را در تنظیمات تولید ارزیابی کنید.

سبک و رویکرد

این یک راهنمای عملی است که در آن تمام مفاهیم مهم مانند طبقه بندی، رگرسیون، و کاهش ابعاد با کمک مثال توضیح داده شده است.

دانلود کد نمونه برای این کتاب. می‌توانید فایل‌های کد نمونه را برای همه کتاب‌های Packt که از حساب خود در http://www.PacktPub.com خریداری کرده‌اید دانلود کنید. اگر این کتاب را از جای دیگری خریداری کرده اید، می توانید از http://www.PacktPub.com/support دیدن کنید و برای داشتن فایل کد ثبت نام کنید.

Use Java to create a diverse range of Data Science applications and bring Data Science into production

About This Book

• An overview of modern Data Science and Machine Learning libraries available in Java
• Coverage of a broad set of topics, going from the basics of Machine Learning to Deep Learning and Big Data frameworks.
• Easy-to-follow illustrations and the running example of building a search engine.

Who This Book Is For

This book is intended for software engineers who are comfortable with developing Java applications and are familiar with the basic concepts of data science. Additionally, it will also be useful for data scientists who do not yet know Java but want or need to learn it.

If you are willing to build efficient data science applications and bring them in the enterprise environment without changing the existing stack, this book is for you!

What You Will Learn

• Get a solid understanding of the data processing toolbox available in Java
• Explore the data science ecosystem available in Java
• Find out how to approach different machine learning problems with Java
• Process unstructured information such as natural language text or images
• Create your own search engine
• Get state-of-the-art performance with XGBoost
• Learn how to build deep neural networks with DeepLearning4j
• Build applications that scale and process large amounts of data
• Deploy data science models to production and evaluate their performance

In Detail

Java is the most popular programming language, according to the TIOBE index, and it is a typical choice for running production systems in many companies, both in the startup world and among large enterprises.

Not surprisingly, it is also a common choice for creating data science applications: it is fast and has a great set of data processing tools, both built-in and external. What is more, choosing Java for data science allows you to easily integrate solutions with existing software, and bring data science into production with less effort.

This book will teach you how to create data science applications with Java. First, we will revise the most important things when starting a data science application, and then brush up the basics of Java and machine learning before diving into more advanced topics. We start by going over the existing libraries for data processing and libraries with machine learning algorithms. After that, we cover topics such as classification and regression, dimensionality reduction and clustering, information retrieval and natural language processing, and deep learning and big data.

Finally, we finish the book by talking about the ways to deploy the model and evaluate it in production settings.

Style and approach

This is a practical guide where all the important concepts such as classification, regression, and dimensionality reduction are explained with the help of examples.

Downloading the example code for this book. You can download the example code files for all Packt books you have purchased from your account at http://www.PacktPub.com. If you purchased this book elsewhere, you can visit http://www.PacktPub.com/support and register to have the code file.