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) : 9781784394011, 1784394017 
ناشر: Packt Publishing 
سال نشر: 2016 
تعداد صفحات: 0 
زبان: English 
فرمت فایل : EPUB (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 23 مگابایت 

کلمات کلیدی مربوط به کتاب یادگیری عملی ماشین: با تکنیک های نوآورانه و پیشرفته ، پیچیدگی های دنیای واقعی یادگیری ماشین مدرن را مرتفع کنید: 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 عملی ماشین: با تکنیک های نوآورانه و پیشرفته ، پیچیدگی های دنیای واقعی یادگیری ماشین مدرن را مرتفع کنید 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 عملی ماشین: با تکنیک های نوآورانه و پیشرفته ، پیچیدگی های دنیای واقعی یادگیری ماشین مدرن را مرتفع کنید

با پیچیدگی‌های دنیای واقعی یادگیری ماشینی مدرن با تکنیک‌های نوآورانه و پیشرو مقابله کنید درباره این کتاب نمونه‌های کاری کاملاً کدگذاری شده با استفاده از طیف گسترده‌ای از کتابخانه‌ها و ابزارهای یادگیری ماشین، از جمله Python، R، Julia، و راه‌حل‌های عملی جامع Spark شما به آینده یادگیری ماشینی بروید و پروژه های یادگیری ماشین خود را با Hadoop Who Is For ادغام کنید. با راهنمایی در مورد همه چیز، از اصول یادگیری ماشین و تجزیه و تحلیل پیش‌بینی‌کننده گرفته تا آخرین نوآوری‌هایی که انقلاب کلان داده را به آینده هدایت می‌کنند، این منبعی غیرقابل چشم پوشی برای هر کسی است که به مقابله با چالش‌های کلان داده فعلی اختصاص دارد. اگر می خواهید فوراً شروع کنید، دانش برنامه نویسی (پایتون و R) و ریاضیات توصیه می شود. آنچه خواهید آموخت پیاده سازی طیف گسترده ای از الگوریتم ها و تکنیک ها برای مقابله با داده های پیچیده با برخی از قدرتمندترین زبان ها در علم داده، از جمله R، Python و Julia آشنا شوید و از قابلیت های Spark و Hadoop برای مدیریت و پردازش موفقیت آمیز داده ها استفاده کنید. استفاده از تکنیک یادگیری ماشینی مناسب برای رسیدگی به مشکلات دنیای واقعی با یادگیری عمیق آشنا شوید و دریابید که چگونه شبکه های عصبی در لبه برتر یادگیری ماشین استفاده می شوند. و بیشتر در جزئیات یافتن معنی در مجموعه داده‌های بزرگتر و پیچیده‌تر یک تقاضای روزافزون دنیای مدرن است. یادگیری ماشین و تجزیه و تحلیل پیش‌بینی‌کننده به مهم‌ترین رویکردها برای کشف معادن طلا تبدیل شده‌اند. یادگیری ماشینی از الگوریتم‌های پیچیده برای پیش‌بینی بهتر نتایج بر اساس الگوهای تاریخی و رفتار مجموعه داده‌ها استفاده می‌کند. یادگیری ماشینی می‌تواند بینش‌های پویا در مورد روندها، الگوها و روابط درون داده‌ها ارائه دهد که برای رشد و توسعه کسب‌وکار بسیار ارزشمند است. این کتاب طیف گسترده‌ای از تکنیک‌های یادگیری ماشین را بررسی می‌کند که ترفندها و نکات پنهان برای چندین نوع داده را با استفاده از مثال‌های عملی و واقعی کشف می‌کند. در حالی که یادگیری ماشین می تواند بسیار تئوری باشد، این کتاب یک رویکرد عملی تازه و بدون از دست دادن اصول اساسی ارائه می دهد. در داخل، کاوش کامل الگوریتم‌های مختلف به شما راهنمایی باکیفیت می‌دهد، بنابراین می‌توانید ببینید که یادگیری ماشین چقدر در مقابله با چالش‌های معاصر داده‌های بزرگ مؤثر است. این تنها کتابی است که برای پیاده سازی مجموعه کاملی از ابزارهای متن باز، چارچوب ها و زبان ها در یادگیری ماشینی به آن نیاز دارید. ما زبان‌های پیشرو علم داده، پایتون و R، و جولیا را که دست کم گرفته شده اما قدرتمند است، و همچنین طیف وسیعی از پلتفرم‌های کلان داده از جمله Spark، Hadoop و Mahout را پوشش خواهیم داد. یادگیری ماشین عملی یک منبع ضروری برای دانشمندان داده مدرن است که می‌خواهند با کاربرد دنیای واقعی آن آشنا شوند. با این کتاب، شما نه تنها اصول یادگیری ماشینی را یاد خواهید گرفت، بلکه پیش از استفاده از Hadoop و اکوسیستم گسترده‌تر ابزارهای آن برای پردازش و مدیریت داده‌های ساختاریافته و بدون ساختار خود، عمیقاً در پیچیدگی‌های داده‌های دنیای واقعی فرو می‌روید. شما تکنیک های مختلف یادگیری ماشین را برای یادگیری تحت نظارت و بدون نظارت بررسی خواهید کرد. از درخت‌های تصمیم گرفته تا طبقه‌بندی‌کننده‌های ساده بیز و روش‌های خطی و خوشه‌بندی، استراتژی‌هایی را برای یک رویکرد واقعاً پیشرفته برای تجزیه و تحلیل آماری داده‌ها یاد خواهید گرفت. این کتاب همچنین پیشرفت‌های پیشرفته در یادگیری ماشین را با مثال‌های کارآمد و راهنمایی در مورد یادگیری عمیق و یادگیری تقویتی بررسی می‌کند و نمونه‌های عملی را در اختیار شما قرار می‌دهد که به حذف نظریه و رمز و راز حتی از پیشرفته‌ترین روش‌های یادگیری ماشینی کمک می‌کند. . سبک و رویکرد این کتاب یک آموزش عملی علم داده طراحی شده است تا بینشی در مورد کاربرد عملی یادگیری ماشین به شما بدهد، این کتاب شما را از طریق مفاهیم و وظایف پیچیده به روشی قابل دسترس راهنمایی می کند. یادگیری ماشین عملی با داشتن اطلاعات در مورد طیف گسترده ای از تکنیک های علم داده، یک منبع جامع علم داده است.

توضیحاتی درمورد کتاب به خارجی

Tackle the real-world complexities of modern machine learning with innovative, cutting-edge, techniques 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 application. With guidance on everything from the fundamentals of machine learning and predictive analytics to the latest innovations set to lead the big data revolution into the future, this is an unmissable resource for anyone dedicated to tackling current big data challenges. 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 Hadoop to manage and process data successfully Apply the appropriate machine learning technique to address real-world problems 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 Finding meaning in increasingly larger and more complex datasets is a growing demand of the modern world. Machine learning and predictive analytics have become the most important approaches to uncover data gold mines. Machine learning uses complex algorithms to make improved predictions of outcomes based on historical patterns and the behaviour of data sets. Machine learning can deliver dynamic insights into trends, patterns, and relationships within data, immensely valuable to business growth and development. This book explores an extensive range of machine learning techniques uncovering hidden tricks and tips for several types of data using practical and 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. Inside, a full exploration of the various algorithms gives you high-quality guidance so you can begin to see just how effective machine learning is at tackling contemporary challenges of big data. This is the only book you need to implement a whole suite of open source tools, frameworks, and languages in machine learning. We will cover the leading data science languages, Python and R, and the underrated but powerful Julia, as well as a range of other big data platforms including Spark, Hadoop, and Mahout. Practical Machine Learning is an essential resource for the modern data scientists who want to get to grips with its real-world application. With this book, you will not only learn the fundamentals of machine learning but dive deep into the complexities of real world data before moving on to using Hadoop and its wider ecosystem of tools to process and manage your structured and unstructured data. You will explore different machine learning techniques for both supervised and unsupervised learning; from decision trees to Naive Bayes classifiers and linear and clustering methods, you will learn strategies for a truly advanced approach to the statistical analysis of data. The book also explores the cutting-edge advancements 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. Style and approach A practical data science tutorial designed to give you an insight into the practical application of machine learning, this book takes you through complex concepts and tasks in an accessible way. Featuring information on a wide range of data science techniques, Practical Machine Learning is a comprehensive data science resource.

نظرات کاربران

کتاب های تصادفی

دانلود کتاب Latin American women and the search for social justice

دانلود کتاب High-Performance Process Improvement

دانلود کتاب US Graphite Reactor D&D Experience

دانلود کتاب Обоснованный риск в уголовном праве Российской федерации: монография

دانلود کتاب Dinner at Mr. Jefferson's: three men, five great wines, and the evening that changed America