دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
دانلود کتاب Python machine learning cookbook: over 100 recipes to progress from smart data analytics to deep learning using real-world datasets
دانلود کتاب کتاب آشپزی یادگیری ماشین پایتون: بیش از 100 دستور العمل برای پیشرفت از تجزیه و تحلیل داده های هوشمند به یادگیری عمیق با استفاده از مجموعه داده های دنیای واقعی
مشخصات کتاب
Python machine learning cookbook: over 100 recipes to progress from smart data analytics to deep learning using real-world datasets
ویرایش: Second edition نویسندگان: Ciaburro. Giuseppe, Joshi. Prateek سری: ISBN (شابک) : 9781789800753, 1789800757 ناشر: Packt Publishing سال نشر: 2019 تعداد صفحات: 0 زبان: English فرمت فایل : EPUB (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 17 مگابایت
قیمت کتاب (تومان) : 40,000
کلمات کلیدی مربوط به کتاب کتاب آشپزی یادگیری ماشین پایتون: بیش از 100 دستور العمل برای پیشرفت از تجزیه و تحلیل داده های هوشمند به یادگیری عمیق با استفاده از مجموعه داده های دنیای واقعی: یادگیری ماشینی، پایتون (زبان برنامه کامپیوتری)، کتاب های الکترونیکی
در صورت تبدیل فایل کتاب Python machine learning cookbook: over 100 recipes to progress from smart data analytics to deep learning using real-world datasets 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 کتاب آشپزی یادگیری ماشین پایتون: بیش از 100 دستور العمل برای پیشرفت از تجزیه و تحلیل داده های هوشمند به یادگیری عمیق با استفاده از مجموعه داده های 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.
توضیحاتی در مورد کتاب کتاب آشپزی یادگیری ماشین پایتون: بیش از 100 دستور العمل برای پیشرفت از تجزیه و تحلیل داده های هوشمند به یادگیری عمیق با استفاده از مجموعه داده های دنیای واقعی
کشف راه‌های قدرتمند برای حل مؤثر مشکلات یادگیری ماشین در دنیای واقعی با استفاده از کتابخانه‌های کلیدی از جمله ویژگی‌های کلیدی scikit-learn، TensorFlow و PyTorch الگوریتم‌های یادگیری ماشینی را در انواع سناریوهای زندگی واقعی بیاموزید و پیاده‌سازی کنید. تکنیک‌های یادگیری راه‌حل‌های کد ساده برای مقابله با چالش‌های رایج و نه چندان رایج را پیدا کنید شرح کتاب این نسخه دوم مورد انتظار کتاب آشپزی محبوب یادگیری ماشین پایتون به شما این امکان را می‌دهد که رویکرد جدیدی را برای مقابله با یادگیری ماشینی در دنیای واقعی و عمیق اتخاذ کنید. وظایف یادگیری با کمک بیش از 100 دستور غذا، یاد خواهید گرفت که برنامه های قدرتمند یادگیری ماشینی را با استفاده از کتابخانه های مدرن اکوسیستم پایتون بسازید. این کتاب همچنین شما را در مورد نحوه پیاده‌سازی الگوریتم‌های مختلف یادگیری ماشین برای موتورهای طبقه‌بندی، خوشه‌بندی و توصیه با استفاده از رویکرد مبتنی بر دستور العمل راهنمایی می‌کند. با تأکید بر راه‌حل‌های عملی، بخش‌های اختصاصی کتاب به شما کمک می‌کند تا تکنیک‌های یادگیری تحت نظارت و بدون نظارت را در مسائل دنیای واقعی به کار ببرید. در فصل پایانی، با دستور العمل هایی آشنا خواهید شد که تکنیک های پیشرفته ای از جمله یادگیری تقویتی، شبکه های عصبی عمیق و یادگیری ماشین خودکار را به شما آموزش می دهند. در پایان این کتاب، شما به مهارت‌هایی مجهز می‌شوید که برای استفاده از تکنیک‌های یادگیری ماشین و بهره‌گیری از قابلیت‌های کامل اکوسیستم پایتون از طریق مثال‌های دنیای واقعی، نیاز دارید. آنچه یاد خواهید گرفت از مدل سازی پیش بینی استفاده کنید و آن را در مشکلات دنیای واقعی به کار ببرید. تکنیک های تجسم داده ها را برای تعامل با داده های خود کاوش کنید، یاد بگیرید چگونه یک موتور توصیه بسازید درک نحوه تعامل با داده های متنی و ساخت مدل هایی برای تجزیه و تحلیل آن. کار با داده های گفتاری و تشخیص کلمات گفتاری با استفاده از Hidden Markov مدل‌ها با یادگیری تقویتی، ML خودکار، و یادگیری انتقال آشنا شوید. کار با داده‌های تصویر و ساخت سیستم‌هایی برای تشخیص تصویر و تشخیص چهره بیومتریک استفاده از شبکه‌های عصبی عمیق برای ساختن یک سیستم تشخیص کاراکتر نوری این کتاب برای دانشمندان داده و توسعه‌دهندگان یادگیری ماشین است. ، علاقه مندان به یادگیری عمیق و برنامه نویسان پایتون که می خواهند چالش های دنیای واقعی را با استفاده از تکنیک ها و الگوریتم های یادگیری ماشین حل کنند. اگر در محل کار با چالش‌هایی روبرو هستید و می‌خواهید راه‌حل‌های کد آماده برای پوشش وظایف کلیدی در یادگیری ماشین و حوزه یادگیری عمیق را پوشش دهید، این کتاب همان چیزی است که شما نیاز دارید. آشنایی با برنامه نویسی پایتون و مفاهیم یادگیری ماشین مفید خواهد بود.
توضیحاتی درمورد کتاب به خارجی
Discover powerful ways to effectively solve real-world machine learning problems using key libraries including scikit-learn, TensorFlow, and PyTorch Key FeaturesLearn and implement machine learning algorithms in a variety of real-life scenariosCover a range of tasks catering to supervised, unsupervised and reinforcement learning techniquesFind easy-to-follow code solutions for tackling common and not-so-common challengesBook Description This eagerly anticipated second edition of the popular Python Machine Learning Cookbook will enable you to adopt a fresh approach to dealing with real-world machine learning and deep learning tasks. With the help of over 100 recipes, you will learn to build powerful machine learning applications using modern libraries from the Python ecosystem. The book will also guide you on how to implement various machine learning algorithms for classification, clustering, and recommendation engines, using a recipe-based approach. With emphasis on practical solutions, dedicated sections in the book will help you to apply supervised and unsupervised learning techniques to real-world problems. Toward the concluding chapters, you will get to grips with recipes that teach you advanced techniques including reinforcement learning, deep neural networks, and automated machine learning. By the end of this book, you will be equipped with the skills you need to apply machine learning techniques and leverage the full capabilities of the Python ecosystem through real-world examples. What you will learnUse predictive modeling and apply it to real-world problemsExplore data visualization techniques to interact with your dataLearn how to build a recommendation engineUnderstand how to interact with text data and build models to analyze itWork with speech data and recognize spoken words using Hidden Markov ModelsGet well versed with reinforcement learning, automated ML, and transfer learningWork with image data and build systems for image recognition and biometric face recognitionUse deep neural networks to build an optical character recognition systemWho this book is for This book is for data scientists, machine learning developers, deep learning enthusiasts and Python programmers who want to solve real-world challenges using machine-learning techniques and algorithms. If you are facing challenges at work and want ready-to-use code solutions to cover key tasks in machine learning and the deep learning domain, then this book is what you need. Familiarity with Python programming and machine learning concepts will be useful.
فهرست مطالب
Content: Table of ContentsThe Realm of Supervised LearningConstructing a ClassifierPredictive ModelingClustering with Unsupervised LearningVisualizing DataBuilding Recommendation EnginesAnalyzing Text DataSpeech RecognitionDissecting Time Series and Sequential DataImage Content AnalysisBiometric Face RecognitionReinforcement Learning TechniquesDeep Neural NetworksUnsupervised Representation LearningAutomated machine learning and Transfer learningUnlocking Production issues
