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: آمار ریاضی ویرایش: نویسندگان: Alan Fontaine سری: ISBN (شابک) : 9781789617740 ناشر: Packt Publishing سال نشر: 2018 تعداد صفحات: 0 زبان: English فرمت فایل : EPUB (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 24 مگابایت
کلمات کلیدی مربوط به کتاب تسلط بر تجزیه و تحلیل پیش بینی با scikit-learn و TensorFlow: آمار، علم داده، یادگیری ماشین، scikit-learn، TensorFlow، شبکه عصبی، پایتون
در صورت تبدیل فایل کتاب Mastering Predictive Analytics with scikit-learn and TensorFlow 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 تجزیه و تحلیل پیش بینی با scikit-learn و TensorFlow 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.
پایتون یک زبان برنامه نویسی است که طیف گسترده ای از ویژگی های قابل استفاده در زمینه علم داده را ارائه می دهد. تسلط بر تجزیه و تحلیل پیشبینیکننده با scikit-learn و TensorFlow پیادهسازیهای مختلف روشهای مجموعه، نحوه استفاده از آنها با مجموعه دادههای دنیای واقعی، و چگونگی بهبود دقت پیشبینی در مسائل طبقهبندی و رگرسیون را پوشش میدهد. این کتاب با روش های گروهی و ویژگی های آنها شروع می شود. خواهید دید که scikit-learn ابزارهایی برای انتخاب هایپرپارامترها برای مدل ها فراهم می کند. همانطور که راه خود را از طریق کتاب طی می کنید، به جزئیات تحلیل پیشگویانه پرداخته و ویژگی ها و ویژگی های آن را کشف خواهید کرد. همچنین با شبکه های عصبی مصنوعی و TensorFlow و نحوه استفاده از آن برای ایجاد شبکه های عصبی آشنا خواهید شد. در فصل آخر، عواملی مانند قدرت محاسباتی، همراه با روشهای بهبود و پیشرفتهای نرمافزاری برای تجزیه و تحلیل پیشبینی کارآمد را بررسی خواهید کرد. در پایان این کتاب، شما به خوبی در استفاده از شبکه های عصبی عمیق برای حل مسائل رایج در تجزیه و تحلیل داده های بزرگ آشنا خواهید شد.
Python is a programming language that provides a wide range of features that can be used in the field of data science. Mastering Predictive Analytics with scikit-learn and TensorFlow covers various implementations of ensemble methods, how they are used with real-world datasets, and how they improve prediction accuracy in classification and regression problems. This book starts with ensemble methods and their features. You will see that scikit-learn provides tools for choosing hyperparameters for models. As you make your way through the book, you will cover the nitty-gritty of predictive analytics and explore its features and characteristics. You will also be introduced to artificial neural networks and TensorFlow, and how it is used to create neural networks. In the final chapter, you will explore factors such as computational power, along with improvement methods and software enhancements for efficient predictive analytics. By the end of this book, you will be well-versed in using deep neural networks to solve common problems in big data analysis.
1 Ensemble Methods for Regression and Classification 2 Cross-validation and Parameter Tuning 3 Working with Features 4 Introduction to Artificial Neural Networks and TensorFlow 5 Predictive Analytics with TensorFlow and Deep Neural Networks A Appendix A: Other Books You May Enjoy A Appendix B: Index