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 Mastering machine learning with R: advanced prediction, algorithms, and learning methods with R 3.x

دانلود کتاب تسلط بر یادگیری ماشین با R: پیش بینی پیشرفته ، الگوریتم ها و روش های یادگیری با R 3.x

Mastering machine learning with R: advanced prediction, algorithms, and learning methods with R 3.x

مشخصات کتاب

Mastering machine learning with R: advanced prediction, algorithms, and learning methods with R 3.x

ویرایش:  
نویسندگان:   
سری:  
ISBN (شابک) : 9781787287471, 1787284484 
ناشر: Packt Publishing Limited 
سال نشر: 2017 
تعداد صفحات: 420
[410] 
زبان: English 
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 7 Mb 

قیمت کتاب (تومان) : 30,000



ثبت امتیاز به این کتاب

میانگین امتیاز به این کتاب :
       تعداد امتیاز دهندگان : 9


در صورت تبدیل فایل کتاب Mastering machine learning with R: advanced prediction, algorithms, and learning methods with R 3.x 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 ماشین با R: پیش بینی پیشرفته ، الگوریتم ها و روش های یادگیری با R 3.x 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 تسلط بر یادگیری ماشین با R: پیش بینی پیشرفته ، الگوریتم ها و روش های یادگیری با R 3.x

در تکنیک‌های یادگیری ماشین با R برای ارائه بینش در پروژه‌های پیچیده درباره این کتاب - درک و استفاده از روش‌های یادگیری ماشین با استفاده از مجموعه گسترده‌ای از بسته‌های R مانند XGBOOST - درک مزایا و مشکلات احتمالی استفاده از روش‌های یادگیری ماشینی مانند طبقه‌بندی چند کلاسه و یادگیری بدون نظارت - با این راهنمای غنی از مثال، مفاهیم پیشرفته را در یادگیری ماشین پیاده کنید. مهارت های خود را به سطح بعدی برسانید و در این زمینه متخصص شوید. آنچه یاد خواهید گرفت - بینش عمیقی در مورد کاربرد ابزارهای یادگیری ماشین در صنعت به دست آورید - داده ها را در R به طور موثر دستکاری کنید تا آنها را برای تجزیه و تحلیل آماده کنید - مهارت تشخیص تکنیک های تجسم موثر داده ها - درک چرایی و چگونگی ایجاد تست و مجموعه داده های آموزشی برای تجزیه و تحلیل - تسلط بر روش های یادگیری اساسی مانند رگرسیون خطی و لجستیک - درک روش های یادگیری پیشرفته مانند ماشین های بردار پشتیبانی - نحوه استفاده از R را در یک سرویس ابری مانند آمازون در جزئیات این کتاب به شما تکنیک های پیشرفته در ماشین را آموزش می دهد. یادگیری با آخرین کد در R 3.3.2. شما به تئوری یادگیری آماری و یادگیری تحت نظارت خواهید پرداخت. طراحی الگوریتم های کارآمد؛ با ایجاد موتورهای توصیه آشنا شوید. از طبقه بندی چند کلاسه و یادگیری عمیق استفاده کنید. و بیشتر. شما موضوعاتی مانند داده کاوی، طبقه بندی، خوشه بندی، رگرسیون، مدل سازی پیش بینی، تشخیص ناهنجاری، درختان تقویت شده با XGBOOST و موارد دیگر را به طور عمیق بررسی خواهید کرد. بیشتر از دانستن نتیجه، خواهید فهمید که این مفاهیم چگونه کار می کنند و چه کار می کنند. با منحنی یادگیری آهسته در موضوعاتی مانند شبکه های عصبی، یادگیری عمیق و موارد دیگر را کشف خواهید کرد. تا پایان این کتاب، می‌توانید یادگیری ماشینی را با R در فضای ابری با استفاده از AWS در سناریوهای مختلف با مجموعه داده‌های مختلف انجام دهید. سبک و رویکرد این کتاب راه‌حل‌های عملی و واقعی برای مشکلات و انواع وظایف مانند سیستم‌های توصیه پیچیده را ارائه می‌دهد. در پایان این کتاب، شما در انجام یادگیری ماشینی R تخصص کسب خواهید کرد و قادر خواهید بود با استفاده از R و بسته های آن، پروژه های یادگیری ماشینی پیچیده بسازید.


توضیحاتی درمورد کتاب به خارجی

Master machine learning techniques with R to deliver insights in complex projects About This Book - Understand and apply machine learning methods using an extensive set of R packages such as XGBOOST - Understand the benefits and potential pitfalls of using machine learning methods such as Multi-Class Classification and Unsupervised Learning - Implement advanced concepts in machine learning with this example-rich guide Who This Book Is For This book is for data science professionals, data analysts, or anyone with a working knowledge of machine learning, with R who now want to take their skills to the next level and become an expert in the field. What You Will Learn - Gain deep insights into the application of machine learning tools in 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 - Master fundamental learning methods such as linear and logistic regression - Comprehend advanced learning methods such as support vector machines - Learn how to use R in a cloud service such as Amazon In Detail This book will teach you advanced techniques in machine learning with the latest code in R 3.3.2. You will delve into statistical learning theory and supervised learning; design efficient algorithms; learn about creating Recommendation Engines; use multi-class classification and deep learning; and more. You will explore, in depth, topics such as data mining, classification, clustering, regression, predictive modeling, anomaly detection, boosted trees with XGBOOST, and more. More than just knowing the outcome, you'll understand how these concepts work and what they do. With a slow learning curve on topics such as neural networks, you will explore deep learning, and more. By the end of this book, you will be able to perform machine learning with R in the cloud using AWS in various scenarios with different datasets. Style and approach The book delivers practical and real-world solutions to problems and a variety of tasks such as complex recommendation systems. By the end of this book, you will have gained expertise in performing R machine learning and will be able to build complex machine learning projects using R and its packages.





نظرات کاربران