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: Cory Lesmeister
سری:
ISBN (شابک) : 9781783984527
ناشر: Packt
سال نشر: 2015
تعداد صفحات: 386
زبان: english
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 4 مگابایت
در صورت تبدیل فایل کتاب Mastering Machine Learning with R 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 تسلط بر یادگیری ماشینی با R 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.
تکنیکهای یادگیری ماشین با R برای ارائه بینش برای پروژههای پیچیده درباره این کتاب• با استفاده از روشهای یادگیری ماشینی با استفاده از مجموعه گستردهای از بستههای R آشنا شوید• مزایا و مشکلات احتمالی استفاده از روشهای یادگیری ماشین را درک کنید• ویژگیهای قدرتمند متعدد را اجرا کنید ارائه شده توسط R با این راهنمای جامع برای ساختن یک سیستم مستقل ML مبتنی بر R، این کتاب برای چه کسی است. مقداری تجربه با R و دانش کاری در زمینه آماری یا یادگیری ماشینی اولیه مفید خواهد بود. آنچه یاد خواهید گرفت• بینش عمیقی برای یادگیری کاربردهای ابزارهای یادگیری ماشین در صنعت به دست آورید• داده ها را در R به طور کارآمد دستکاری کنید تا برای تجزیه و تحلیل آماده شوند• استاد مهارت تشخیص تکنیکهای تجسم مؤثر دادهها • درک چرایی و نحوه ایجاد مجموعه دادههای آزمون و آموزش برای تجزیه و تحلیل • آشنایی با روشهای یادگیری اساسی مانند رگرسیون خطی و لجستیک • درک روشهای یادگیری پیشرفته مانند ماشینهای بردار پشتیبان • درک چرایی و نحوه به کارگیری روشهای یادگیری بدون نظارت در DetailMachine یادگیری حوزهای از هوش مصنوعی برای ساختن سیستمهایی است که از دادهها یاد میگیرند. با توجه به برجستگی رو به رشد R - یک محیط برنامهنویسی آماری بین پلتفرمی و بدون هزینه - هرگز زمان بهتری برای شروع استفاده از یادگیری ماشین در دادههای شما وجود نداشته است. این کتاب با مقدمهای بر فرآیند استاندارد بین صنعتی برای داده کاوی شروع میشود. شما را با جزئیات رگرسیون چند متغیره هدایت می کند. در ادامه، شما همچنین به درختان طبقه بندی و رگرسیون خواهید پرداخت. شما چند "تکنیک بدون نظارت" را یاد خواهید گرفت. در نهایت، این کتاب شما را از طریق تجزیه و تحلیل متن و سریهای زمانی راهنمایی میکند. این کتاب راهحلهای عملی و واقعی را برای مشکلات و انواع وظایف مانند سیستمهای توصیه پیچیده ارائه میدهد. در پایان این کتاب، شما در انجام یادگیری ماشین R مهارت کسب خواهید کرد و میتوانید پروژههای پیچیده ML را با استفاده از R و بستههای آن بسازید. سبک و رویکرد این کتابی است که مفاهیم پیچیده را با تئوری آسان و در دنیای واقعی توضیح میدهد. کاربردهای عملی این قدرت یادگیری ماشینی و R را به طور گسترده نشان می دهد و در عین حال محدودیت ها را برجسته می کند.
Master machine learning techniques with R to deliver insights for complex projectsAbout This Book• Get to grips with the application of Machine Learning methods using an extensive set of R packages• Understand the benefits and potential pitfalls of using machine learning methods• Implement the numerous powerful features offered by R with this comprehensive guide to building an independent R-based ML systemWho This Book Is ForIf you want to learn how to use R's machine learning capabilities to solve complex business problems, then this book is for you. Some experience with R and a working knowledge of basic statistical or machine learning will prove helpful.What You Will Learn• Gain deep insights to learn the applications of machine learning tools to the industry• Manipulate data in R efficiently to prepare it for analysis• Master the skill of recognizing techniques for effective visualization of data• Understand why and how to create test and training data sets for analysis• Familiarize yourself with fundamental learning methods such as linear and logistic regression• Comprehend advanced learning methods such as support vector machines• Realize why and how to apply unsupervised learning methodsIn DetailMachine learning is a field of Artificial Intelligence to build systems that learn from data. Given the growing prominence of R—a cross-platform, zero-cost statistical programming environment—there has never been a better time to start applying machine learning to your data.The book starts with introduction to Cross-Industry Standard Process for Data Mining. It takes you through Multivariate Regression in detail. Moving on, you will also address Classification and Regression trees. You will learn a couple of “Unsupervised techniques”. Finally, the book will walk you through text analysis and time series.The book will deliver practical and real-world solutions to problems and variety of tasks such as complex recommendation systems. By the end of this book, you will gain expertise in performing R machine learning and will be able to build complex ML projects using R and its packages.Style and approachThis is a book explains complicated concepts with easy to follow theory and real-world, practical applications. It demonstrates the power of R and machine learning extensively while highlighting the constraints.