ورود به حساب

نام کاربری گذرواژه

گذرواژه را فراموش کردید؟ کلیک کنید

حساب کاربری ندارید؟ ساخت حساب

ساخت حساب کاربری

نام نام کاربری ایمیل شماره موبایل گذرواژه

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: The easiest way to get into machine learning

دانلود کتاب یادگیری ماشین پایتون بر اساس مثال: ساده ترین راه برای ورود به یادگیری ماشین

Python Machine Learning By Example: The easiest way to get into machine learning

مشخصات کتاب

Python Machine Learning By Example: The easiest way to get into machine learning

دسته بندی: سایبرنتیک: هوش مصنوعی
ویرایش: 1 
نویسندگان:   
سری:  
ISBN (شابک) : 1783553111, 9781783553112 
ناشر: Packt Publishing 
سال نشر: 2017 
تعداد صفحات: 249 
زبان: English 
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 5 مگابایت

قیمت کتاب (تومان) : 86,000



کلمات کلیدی مربوط به کتاب یادگیری ماشین پایتون بر اساس مثال: ساده ترین راه برای ورود به یادگیری ماشین: یادگیری ماشینی، پردازش زبان طبیعی، رگرسیون، درخت‌های تصمیم، پایتون، طبقه‌بندی، خوشه‌بندی، ماشین‌های بردار پشتیبان، تجسم داده‌ها، بیز ساده، نزول گرادیان، بهترین روش‌ها، رگرسیون خطی، رگرسیون لجستیک، تشخیص هرزنامه، جنگل تصادفی، ارزش‌گذاری سهام



ثبت امتیاز به این کتاب

میانگین امتیاز به این کتاب :
       تعداد امتیاز دهندگان : 8


در صورت تبدیل فایل کتاب Python Machine Learning By Example: The easiest way to get into machine learning 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 بر اساس مثال: ساده ترین راه برای ورود به یادگیری ماشین 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 بر اساس مثال: ساده ترین راه برای ورود به یادگیری ماشین

برای ورود به دنیای بزرگ علم داده از طریق این راهنمای جالب قدم های کوچک بردارید ویژگی های کلیدی • اصول یادگیری ماشینی را بیاموزید و برنامه های هوشمند خود را بسازید • با این راهنمای عملی مبتنی بر مثال، بر هنر ساختن سیستم‌های یادگیری ماشینی خود مسلط شوید • با الگوریتم های مهم طبقه بندی و رگرسیون و سایر تکنیک های یادگیری ماشین کار کنید توضیحات کتاب علم داده و یادگیری ماشین برخی از کلیدواژه‌های 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 خواهید آموخت. با کمک پروژه‌های مختلف گنجانده شده، به دست آوردن مکانیک چندین الگوریتم مهم یادگیری ماشین برای شما جالب خواهد بود – آن‌طور که فکر می‌کردند 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 آگهی آنلاین، پیش‌بینی قیمت سهام، شما را تا رسیدن به هدف خود نگه می‌دارد. آنچه خواهید آموخت • از قدرت پایتون برای مدیریت تکنیک های استخراج، دستکاری و کاوش داده ها بهره برداری کنید • از پایتون برای تجسم داده های پخش شده در ابعاد مختلف و استخراج ویژگی های مفید استفاده کنید • برای پیش‌بینی درست موقعیت‌ها، عمیقاً در دنیای تجزیه و تحلیل شیرجه بزنید • الگوریتم های طبقه بندی یادگیری ماشین و رگرسیون را از ابتدا در پایتون پیاده سازی کنید • از دیدن الگوریتم ها در عمل شگفت زده شوید • ارزیابی عملکرد یک مدل یادگیری ماشین و بهینه سازی آن • حل مسائل جالب دنیای واقعی با استفاده از یادگیری ماشین و Python در طول سفر


توضیحاتی درمورد کتاب به خارجی

Take tiny steps to enter the big world of data science through this interesting guide Key Features • 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 Book Description 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. 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 unfold



فهرست مطالب

Content: Getting Started with Python and Machine Learning --
Exploring the 20 Newsgroups Dataset with Text Analysis Algorithms --
Spam Email Detection with Naive Bayes --
News Topic Classification with Support Vector Machine --
Click-Through Prediction with Tree-Based Algorithms --
Click-Through Prediction with Logistic Regression --
Stock Price Prediction with Regression Algorithms --
Best Practices.




نظرات کاربران

تمامی حقوق معنوی و مادی وبسایت متعلق به اینترنشنال لایبرری می باشد