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 Python Machine Learning by Example

دانلود کتاب یادگیری ماشین پایتون با مثال

مشخصات کتاب

Python Machine Learning by Example

دسته بندی: سایبرنتیک: هوش مصنوعی
ویرایش: ebook 
نویسندگان: Yuxi (Hayden) Liu  
سری:  
ISBN (شابک) : 178355312X, 9781783553129 
ناشر: Packt Publishing 
سال نشر: 2017 
تعداد صفحات: 296 
زبان: English 
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 6 مگابایت

قیمت کتاب (تومان) : 32,000

میانگین امتیاز به این کتاب :
تعداد امتیاز دهندگان : 15

در صورت تبدیل فایل کتاب Python Machine Learning by Example 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 ماشین پایتون با مثال 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 ماشین پایتون با مثال

قدم های کوچکی برای ورود به دنیای بزرگ علم داده بردارید از طریق این راهنمای جالب درباره این کتاب - اصول یادگیری ماشینی را بیاموزید و برنامه های کاربردی هوشمند خود را بسازید - با این راهنمای عملی مبتنی بر مثال در هنر ساختن سیستم های یادگیری ماشینی خود مسلط شوید - با الگوریتم‌های مهم طبقه‌بندی و رگرسیون و سایر تکنیک‌های یادگیری ماشینی کار کنید این کتاب برای کسانی است که علاقه‌مند به ورود به جریان علم داده با یادگیری ماشین هستند. آشنایی اولیه با پایتون فرض شده است. آنچه یاد خواهید گرفت - از قدرت پایتون برای مدیریت تکنیک‌های استخراج، دستکاری و کاوش داده‌ها استفاده کنید - از پایتون برای تجسم داده‌های پراکنده در ابعاد مختلف و استخراج ویژگی‌های مفید استفاده کنید - برای پیش‌بینی درست موقعیت‌ها به دنیای تجزیه و تحلیل عمیق بروید - یادگیری ماشینی را پیاده‌سازی کنید. الگوریتم‌های طبقه‌بندی و رگرسیون از ابتدا در پایتون - از دیدن الگوریتم‌ها در عمل شگفت‌زده شوید - عملکرد یک مدل یادگیری ماشینی را ارزیابی کنید و آن را بهینه کنید - حل مسائل جالب دنیای واقعی با استفاده از یادگیری ماشین و پایتون در حین باز شدن سفر در جزئیات علم داده و یادگیری ماشینی برخی از کلمات کلیدی امروزی در دنیای فنی هستند. علاقه دوباره به یادگیری ماشین به دلیل همان عواملی است که داده کاوی و تجزیه و تحلیل بیزی را بیش از همیشه محبوب کرده است. این کتاب نقطه ورود شما به یادگیری ماشینی است. این کتاب با مقدمه ای بر یادگیری ماشین و زبان پایتون شروع می شود و به شما نشان می دهد که چگونه راه اندازی را کامل کنید. با حرکت رو به جلو، تمام مفاهیم مهمی مانند تجزیه و تحلیل داده های اکتشافی، پیش پردازش داده ها، استخراج ویژگی، تجسم و خوشه بندی داده ها، طبقه بندی، رگرسیون و ارزیابی عملکرد مدل را یاد خواهید گرفت. با کمک پروژه های مختلف گنجانده شده، به دست آوردن مکانیک چندین الگوریتم مهم یادگیری ماشین برای شما جالب خواهد بود - آنها آنطور که فکر می کردند مبهم نیستند. همچنین، شما گام به گام راهنمایی می شوید تا مدل های خود را از ابتدا بسازید. در پایان، تصویر وسیعی از اکوسیستم یادگیری ماشین و بهترین شیوه‌های بکارگیری تکنیک‌های یادگیری ماشین را جمع‌آوری خواهید کرد. از طریق این کتاب، شما یاد خواهید گرفت که با مشکلات داده محور مقابله کنید و راه حل های خود را با زبان قدرتمند و در عین حال ساده Python پیاده سازی کنید. مثال‌های جالب و آسان برای نام بردن، طبقه‌بندی موضوعات خبری، شناسایی ایمیل‌های هرزنامه، پیش‌بینی کلیک بر روی تبلیغات آنلاین، پیش‌بینی قیمت سهام، شما را تا رسیدن به هدف خود نگه می‌دارد. سبک و رویکرد این کتاب سفری فریبنده است که از اصول اولیه شروع می‌شود و به تدریج با گسترش داستان سرعت خود را افزایش می‌دهد. هر مفهوم ابتدا به طور مختصر در زمینه بزرگتر چیزها تعریف می شود و سپس توضیح دقیقی در مورد کاربرد آنها ارائه می شود. هر مفهومی با کمک پروژه ای توضیح داده می شود که یک مشکل دنیای واقعی را حل می کند و شامل کار عملی است که بینشی عمیق از دنیای یادگیری ماشین به شما می دهد. با زبان ساده و در عین حال غنی - Python - می توانید مثال ها را به راحتی درک کنید و بتوانید پیاده سازی کنید.

توضیحاتی درمورد کتاب به خارجی

Take tiny steps to enter the big world of data science through this interesting guide About This Book - Learn the fundamentals of machine learning and build your own intelligent applications - Master the art of building your own machine learning systems with this example-based practical guide - Work with important classification and regression algorithms and other machine learning techniques Who This Book Is For This book is for anyone interested in entering the data science stream with machine learning. Basic familiarity with Python is assumed. What You Will Learn - Exploit the power of Python to handle data extraction, manipulation, and exploration techniques - Use Python to visualize data spread across multiple dimensions and extract useful features - Dive deep into the world of analytics to predict situations correctly - Implement machine learning classification and regression algorithms from scratch in Python - Be amazed to see the algorithms in action - Evaluate the performance of a machine learning model and optimize it - Solve interesting real-world problems using machine learning and Python as the journey unfolds In Detail Data science and machine learning are some of the top buzzwords in the technical world today. A resurging interest in machine learning is due to the same factors that have made data mining and Bayesian analysis more popular than ever. This book is your entry point to machine learning. This book starts with an introduction to machine learning and the Python language and shows you how to complete the setup. Moving ahead, you will learn all the important concepts such as, exploratory data analysis, data preprocessing, feature extraction, data visualization and clustering, classification, regression and model performance evaluation. With the help of various projects included, you will find it intriguing to acquire the mechanics of several important machine learning algorithms - they are no more obscure as they thought. Also, you will be guided step by step to build your own models from scratch. Toward the end, you will gather a broad picture of the machine learning ecosystem and best practices of applying machine learning techniques. Through this book, you will learn to tackle data-driven problems and implement your solutions with the powerful yet simple language, Python. Interesting and easy-to-follow examples, to name some, news topic classification, spam email detection, online ad click-through prediction, stock prices forecast, will keep you glued till you reach your goal. Style and approach This book is an enticing journey that starts from the very basics and gradually picks up pace as the story unfolds. Each concept is first succinctly defined in the larger context of things, followed by a detailed explanation of their application. Every concept is explained with the help of a project that solves a real-world problem, and involves hands-on work-giving you a deep insight into the world of machine learning. With simple yet rich language-Python-you will understand and be able to implement the examples with ease.