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: Dipanjan Sarkar, Raghav Bali, Tushar Sharma سری: ISBN (شابک) : 1484232062, 9781484232064 ناشر: Apress سال نشر: 2017 تعداد صفحات: 545 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 19 مگابایت
کلمات کلیدی مربوط به کتاب یادگیری ماشینی عملی با پایتون: راهنمای حل مسئله برای ساختن سیستمهای هوشمند دنیای واقعی: علوم کامپیوتر، هوش مصنوعی و یادگیری ماشین، بیوانفورماتیک، شبیه سازی کامپیوتر، سایبرنتیک، تعامل انسان و کامپیوتر، تئوری اطلاعات، رباتیک، تجزیه و تحلیل و طراحی سیستم، کامپیوتر و فناوری، توسعه نرم افزار، طراحی نرم افزار، تست و مهندسی، برنامه نویسی، کامپیوتر و فناوری، پایتون، زبان های برنامه نویسی، کامپیوتر و فناوری، علوم کامپیوتر، الگوریتم ها، هوش مصنوعی، ذخیره سازی و طراحی پایگاه داده، گرافیک و تجسم، شبکه، طراحی نرم افزار شی گرا، سیستم عامل ها
در صورت تبدیل فایل کتاب Practical Machine Learning with Python: A Problem-Solver’s Guide to Building Real-World Intelligent Systems 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 با پایتون: راهنمای حل مسئله برای ساختن سیستمهای هوشمند دنیای واقعی 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.
بر مهارتهای ضروری مورد نیاز برای تشخیص و حل مشکلات پیچیده با یادگیری ماشینی و یادگیری عمیق تسلط پیدا کنید. این کتاب با استفاده از نمونههای دنیای واقعی که از اکوسیستم یادگیری ماشینی محبوب پایتون استفاده میکند، همراه کامل شما برای یادگیری هنر و علم یادگیری ماشینی برای تبدیل شدن به یک تمرینکننده موفق است. مفاهیم، تکنیکها، ابزارها، چارچوبها و روشهای مورد استفاده در این کتاب به شما میآموزد که چگونه فکر کنید، طراحی کنید، بسازید، و سیستمها و پروژههای یادگیری ماشین را با موفقیت انجام دهید.
یادگیری ماشینی عملی با پایتون از یک رویکرد سه لایه ساختاریافته و جامع همراه با مثال ها و کدهای عملی پیروی می کند.بخش 1 بر درک مفاهیم و ابزارهای یادگیری ماشین تمرکز دارد. این شامل مبانی یادگیری ماشین با مروری کلی بر الگوریتمها، تکنیکها، مفاهیم و برنامهها میشود و به دنبال آن یک تور از کل اکوسیستم یادگیری ماشین پایتون را مشاهده میکنید. راهنمای مختصری برای ابزارها، کتابخانهها و چارچوبهای یادگیری ماشین مفید نیز پوشش داده شده است.
قسمت 2 خطوط لوله استاندارد یادگیری ماشین را با تأکید بر تجزیه و تحلیل پردازش دادهها، مهندسی ویژگیها و مدلسازی شرح میدهد. شما یاد خواهید گرفت که چگونه داده ها را در اشکال مختلف پردازش کنید، بحث کنید، خلاصه کنید و تجسم کنید. روشهای مهندسی و انتخاب ویژگیها با مجموعه دادههای دنیای واقعی و به دنبال آن ساخت مدل، تنظیم، تفسیر و استقرار به تفصیل پوشش داده میشوند.بخش 3 به بررسی چند مطالعه موردی در دنیای واقعی میپردازد که حوزهها و صنایع مختلفی مانند خردهفروشی، حملونقل، فیلم، موسیقی، بازاریابی، بینایی رایانه و امور مالی را در بر میگیرد. برای هر مطالعه موردی، کاربرد تکنیک ها و روش های مختلف یادگیری ماشین را یاد خواهید گرفت. مثالهای عملی به شما کمک میکند تا با ابزارها و تکنیکهای یادگیری ماشینی پیشرفته آشنا شوید و بفهمید کدام الگوریتمها برای هر مشکلی مناسبتر هستند.
یادگیری ماشینی عملی با پایتون به شما قدرت میدهد برای شروع حل مشکلات خود با یادگیری ماشین از امروز!
Master the essential skills needed to recognize and solve complex problems with machine learning and deep learning. Using real-world examples that leverage the popular Python machine learning ecosystem, this book is your perfect companion for learning the art and science of machine learning to become a successful practitioner. The concepts, techniques, tools, frameworks, and methodologies used in this book will teach you how to think, design, build, and execute machine learning systems and projects successfully.
Practical Machine Learning with Python follows a structured and comprehensive three-tiered approach packed with hands-on examples and code.Part 1 focuses on understanding machine learning concepts and tools. This includes machine learning basics with a broad overview of algorithms, techniques, concepts and applications, followed by a tour of the entire Python machine learning ecosystem. Brief guides for useful machine learning tools, libraries and frameworks are also covered.
Part 2 details standard machine learning pipelines, with an emphasis on data processing analysis, feature engineering, and modeling. You will learn how to process, wrangle, summarize and visualize data in its various forms. Feature engineering and selection methodologies will be covered in detail with real-world datasets followed by model building, tuning, interpretation and deployment.Part 3 explores multiple real-world case studies spanning diverse domains and industries like retail, transportation, movies, music, marketing, computer vision and finance. For each case study, you will learn the application of various machine learning techniques and methods. The hands-on examples will help you become familiar with state-of-the-art machine learning tools and techniques and understand what algorithms are best suited for any problem.
Practical Machine Learning with Python will empower you to start solving your own problems with machine learning today!