دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
دانلود کتاب Practical machine learning : tackle the real-world complexities of modern machine learning with innovative and cutting-edge techniques
دانلود کتاب یادگیری ماشینی عملی: مقابله با پیچیدگی های دنیای واقعی یادگیری ماشینی مدرن با تکنیک های نوآورانه و پیشرفته
مشخصات کتاب
Practical machine learning : tackle the real-world complexities of modern machine learning with innovative and cutting-edge techniques
ویرایش:
نویسندگان: Gollapudi. Sunila
سری: Community experience distilled
ISBN (شابک) : 9781784399689, 178439968X
ناشر: Packt Publishing - ebooks Account
سال نشر: 2016
تعداد صفحات: 0
زبان: English
فرمت فایل : MOBI (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 21 مگابایت
قیمت کتاب (تومان) : 31,000
کلمات کلیدی مربوط به کتاب یادگیری ماشینی عملی: مقابله با پیچیدگی های دنیای واقعی یادگیری ماشینی مدرن با تکنیک های نوآورانه و پیشرفته: فراگیری ماشین.
در صورت تبدیل فایل کتاب Practical machine learning : tackle the real-world complexities of modern machine learning with innovative and cutting-edge techniques 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 ماشینی عملی: مقابله با پیچیدگی های دنیای واقعی یادگیری ماشینی مدرن با تکنیک های نوآورانه و پیشرفته 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 یادگیری ماشینی عملی: مقابله با پیچیدگی های دنیای واقعی یادگیری ماشینی مدرن با تکنیک های نوآورانه و پیشرفته
درباره این کتاب
- نمونه های کاری کاملاً کدگذاری شده با استفاده از طیف گسترده ای از کتابخانه ها و ابزارهای یادگیری ماشین، از جمله Python، R، Julia، و Spark
- جامع عملی راه حل هایی که شما را به آینده یادگیری ماشین می برد
- یک قدم فراتر بروید و پروژه های یادگیری ماشینی خود را با Hadoop ادغام کنید
این کتاب برای چه کسی است
این کتاب برای دانشمندان داده ایجاد شده است که می خواهند یادگیری ماشین را در عمل ببینند و کاربردهای دنیای واقعی آن را کشف کنند. اگر می‌خواهید فوراً شروع کنید، دانش برنامه‌نویسی (پایتون و R) و ریاضیات توصیه می‌شود.
آنچه خواهید آموخت
- گستره وسیعی از الگوریتم‌ها و تکنیک‌ها را برای مقابله با داده های پیچیده
- با برخی از قدرتمندترین زبان ها در علم داده، از جمله R، Python و Julia آشنا شوید
- از قابلیت های Spark و Mahout که در ارتباط با Hadoop استفاده می شود استفاده کنید. برای مدیریت و پردازش موفقیت‌آمیز داده‌ها
- استفاده از تکنیک یادگیری ماشینی مناسب برای رسیدگی به یک مشکل در دنیای واقعی
- با یادگیری عمیق آشنا شوید و نحوه استفاده از شبکه‌های عصبی در برش را بیابید. لبه یادگیری ماشینی
- آینده یادگیری ماشینی را کاوش کنید و عمیق‌تر در تداوم چند زبانه، داده‌های معنایی و موارد دیگر غوطه‌ور شوید
در جزئیات
این کتاب طیف گسترده‌ای از تکنیک‌های یادگیری ماشین را بررسی می‌کند، نکات و ترفندهای پنهان را برای چندین نوع داده با استفاده از مثال‌های عملی در دنیای واقعی کشف می‌کند. در حالی که یادگیری ماشینی می‌تواند بسیار تئوری باشد، این کتاب بدون از دست دادن اصول زیربنایی، یک رویکرد عملی تازه‌سازی را ارائه می‌دهد.
ما زبان‌های پیشرو علم داده، پایتون و R، و زبان‌های کم‌ارزش‌شده اما قدرتمند را پوشش خواهیم داد. جولیا، و همچنین طیف وسیعی از پلتفرم‌های کلان داده از جمله Spark، Hadoop و Mahout. یادگیری ماشینی عملی یک منبع ضروری برای دانشمندان داده مدرن است که می‌خواهند با کاربردهای دنیای واقعی یادگیری ماشین آشنا شوند.
این کتاب همچنین پیشرفت‌های پیشرفته در یادگیری ماشین را با مثال‌های کار شده و راهنمایی در مورد آن بررسی می‌کند. یادگیری عمیق و یادگیری تقویتی، با ارائه نمایش‌ها و نمونه‌های عملی به شما کمک می‌کند تئوری و رمز و راز را حتی از پیشرفته‌ترین روش‌های یادگیری ماشین حذف کنید.
توضیحاتی درمورد کتاب به خارجی
About This Book
- Fully-coded working examples using a wide range of machine learning libraries and tools, including Python, R, Julia, and Spark
- Comprehensive practical solutions taking you into the future of machine learning
- Go a step further and integrate your machine learning projects with Hadoop
Who This Book Is For
This book has been created for data scientists who want to see Machine learning in action and explore its real-world applications. Knowledge of programming (Python and R) and mathematics is advisable if you want to get started immediately.
What You Will Learn
- Implement a wide range of algorithms and techniques for tackling complex data
- Get to grips with some of the most powerful languages in data science, including R, Python, and Julia
- Harness the capabilities of Spark and Mahout used in conjunction with Hadoop to manage and process data successfully
- Apply the appropriate Machine learning technique to address a real-world problem
- Get acquainted with deep learning and find out how neural networks are being used at the cutting edge of Machine learning
- Explore the future of Machine learning and dive deeper into polyglot persistence, semantic data, and more
In Detail
This book explores an extensive range of Machine learning techniques, uncovering hidden tips and tricks for several types of data using practical real-world examples. While Machine learning can be highly theoretical, this book offers a refreshing hands-on approach without losing sight of the underlying principles.
We will cover the leading data science languages, Python and R, and the underrated but powerful Julia, as well as a range of big data platforms including Spark, Hadoop, and Mahout. Practical Machine Learning is an essential resource for modern data scientists who want to get to grips with Machine learning's real-world application.
The book also explores cutting-edge advances in Machine learning, with worked examples and guidance on Deep learning and Reinforcement learning, providing you with practical demonstrations and samples that help take the theory–and mystery–out of even the most advanced Machine learning methodologies.
