مشخصات کتاب

Python Machine Learning : Perform Python Machine Learning and Deep Learning with Python, scikit-learn, and TensorFlow

ویرایش: 2nd edition 
نویسندگان: Vahid Mirjalili. Sebastian Raschka  
سری:  
 
ناشر: Packt Publishing 
سال نشر: 2017 
تعداد صفحات: 0 
زبان: English 
فرمت فایل : EPUB (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 27 مگابایت 

در صورت ایرانی بودن نویسنده امکان دانلود وجود ندارد و مبلغ عودت داده خواهد شد

کلمات کلیدی مربوط به کتاب یادگیری ماشین پایتون: یادگیری ماشین پایتون و یادگیری عمیق را با Python ، scikit-learn و TensorFlow انجام دهید: پایتون (زبان برنامه کامپیوتری)

در صورت تبدیل فایل کتاب Python Machine Learning : Perform Python Machine Learning and Deep Learning with Python, scikit-learn, and TensorFlow 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: یادگیری ماشین پایتون و یادگیری عمیق را با Python ، scikit-learn و TensorFlow انجام دهید 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: یادگیری ماشین پایتون و یادگیری عمیق را با Python ، scikit-learn و TensorFlow انجام دهید

با استفاده از جدیدترین کتابخانه‌های متن‌باز Python، روش‌های یادگیری ماشین مدرن و یادگیری عمیق را با پایتون باز کنید. درباره این کتاب ویرایش دوم پرفروش‌ترین کتاب یادگیری ماشینی رویکردی عملی به چارچوب‌های کلیدی در علم داده، یادگیری ماشین و یادگیری عمیق استفاده از قدرتمندترین کتابخانه‌های پایتون برای پیاده‌سازی یادگیری ماشینی و یادگیری عمیق با بهترین شیوه‌ها آشنا شوید برای بهبود و بهینه سازی سیستم ها و الگوریتم های یادگیری ماشینی این کتاب برای چه کسانی است اگر پایتون می شناسید و می خواهید از یادگیری ماشینی و یادگیری عمیق استفاده کنید، این کتاب را انتخاب کنید. چه بخواهید از ابتدا شروع کنید یا دانش یادگیری ماشین خود را گسترش دهید، این یک منبع ضروری و غیر قابل چشم پوشی است. این کتاب برای توسعه دهندگان و دانشمندان داده که می خواهند کد یادگیری ماشینی و یادگیری عمیق را ایجاد کنند، نوشته شده است، این کتاب برای توسعه دهندگان و دانشمندان داده ای ایده آل است که می خواهند به رایانه ها یاد بگیرند که چگونه از داده ها یاد بگیرند. آنچه خواهید آموخت درک چارچوب های کلیدی در علم داده، یادگیری ماشین و یادگیری عمیق استفاده از آخرین کتابخانه های منبع باز پایتون در یادگیری ماشینی کاوش تکنیک های یادگیری ماشین با استفاده از داده های دنیای واقعی چالش برانگیز استاد پیاده سازی شبکه عصبی عمیق با استفاده از کتابخانه TensorFlow یادگیری مکانیک الگوریتم‌های طبقه‌بندی برای پیاده‌سازی بهترین ابزار برای کار پیش‌بینی نتایج هدف مستمر با استفاده از تحلیل رگرسیون کشف الگوها و ساختارهای پنهان در داده‌ها با خوشه‌بندی با استفاده از تجزیه و تحلیل احساسات عمیق‌تر در داده‌های متنی و رسانه‌های اجتماعی عمیق‌تر شوید. و اکنون یادگیری عمیق در حال گسترش یادگیری ماشینی است. با این نسخه دوم کتاب پرفروش سباستین راشکا، یادگیری ماشین پایتون، یادگیری ماشینی، شبکه‌های عصبی و یادگیری عمیق را درک کنید و در لبه برش کار کنید. این کتاب که با استفاده از جدیدترین کتابخانه‌های منبع باز پایتون به‌طور کامل به‌روزرسانی شده است، دانش و تکنیک‌های عملی مورد نیاز برای ایجاد و کمک به یادگیری ماشین، یادگیری عمیق و تحلیل داده‌های مدرن را ارائه می‌دهد. به طور کامل توسعه یافته و مدرن، Python Machine Learning ویرایش دوم اکنون شامل کتابخانه محبوب یادگیری عمیق TensorFlow است. کد scikit-learn نیز به‌طور کامل به‌روزرسانی شده است تا شامل پیشرفت‌ها و افزوده‌های اخیر به این کتابخانه یادگیری ماشینی همه‌کاره باشد. بینش و تخصص منحصر به فرد سباستین راشکا و وحید میرجلیلی شما را با یادگیری ماشینی و الگوریتم های یادگیری عمیق از ...  ادامه مطلب...</ span>
چکیده: با استفاده از جدیدترین کتابخانه‌های پیشرفته Python، روش‌های یادگیری ماشینی و یادگیری عمیق را با پایتون باز کنید. درباره این کتاب ویرایش دوم پرفروش‌ترین کتاب در زمینه یادگیری ماشینی رویکردی عملی به چارچوب‌های کلیدی در علم داده، یادگیری ماشین و یادگیری عمیق استفاده از قدرتمندترین کتابخانه‌های پایتون برای پیاده‌سازی یادگیری ماشینی و یادگیری عمیق با بهترین شیوه‌ها برای بهبود و بهبود سیستم ها و الگوریتم های یادگیری ماشین خود را بهینه کنید این کتاب برای چه کسی است اگر پایتون می شناسید و می خواهید از یادگیری ماشین و یادگیری عمیق استفاده کنید، این کتاب را انتخاب کنید. چه بخواهید از ابتدا شروع کنید یا دانش یادگیری ماشین خود را گسترش دهید، این یک منبع ضروری و غیر قابل چشم پوشی است. این کتاب برای توسعه دهندگان و دانشمندان داده که می خواهند کد یادگیری ماشینی و یادگیری عمیق را ایجاد کنند، نوشته شده است، این کتاب برای توسعه دهندگان و دانشمندان داده ای ایده آل است که می خواهند به رایانه ها یاد بگیرند که چگونه از داده ها یاد بگیرند. آنچه خواهید آموخت درک چارچوب های کلیدی در علم داده، یادگیری ماشین و یادگیری عمیق استفاده از آخرین کتابخانه های منبع باز پایتون در یادگیری ماشینی کاوش تکنیک های یادگیری ماشین با استفاده از داده های دنیای واقعی چالش برانگیز استاد پیاده سازی شبکه عصبی عمیق با استفاده از کتابخانه TensorFlow یادگیری مکانیک الگوریتم‌های طبقه‌بندی برای پیاده‌سازی بهترین ابزار برای کار پیش‌بینی نتایج هدف مستمر با استفاده از تحلیل رگرسیون کشف الگوها و ساختارهای پنهان در داده‌ها با خوشه‌بندی با استفاده از تجزیه و تحلیل احساسات عمیق‌تر در داده‌های متنی و رسانه‌های اجتماعی عمیق‌تر شوید. و اکنون یادگیری عمیق در حال گسترش یادگیری ماشینی است. با این نسخه دوم کتاب پرفروش سباستین راشکا، یادگیری ماشین پایتون، یادگیری ماشینی، شبکه‌های عصبی و یادگیری عمیق را درک کنید و در لبه برش کار کنید. این کتاب که با استفاده از جدیدترین کتابخانه‌های منبع باز پایتون به‌طور کامل به‌روزرسانی شده است، دانش و تکنیک‌های عملی مورد نیاز برای ایجاد و کمک به یادگیری ماشین، یادگیری عمیق و تحلیل داده‌های مدرن را ارائه می‌دهد. به طور کامل توسعه یافته و مدرن، Python Machine Learning ویرایش دوم اکنون شامل کتابخانه محبوب یادگیری عمیق TensorFlow است. کد scikit-learn نیز به‌طور کامل به‌روزرسانی شده است تا شامل پیشرفت‌ها و افزوده‌های اخیر به این کتابخانه یادگیری ماشینی همه‌کاره باشد. بینش و تخصص منحصر به فرد سباستین راشکا و وحید میرجلیلی شما را با الگوریتم های یادگیری ماشین و یادگیری عمیق از s آشنا می کند.

توضیحاتی درمورد کتاب به خارجی

Unlock modern machine learning and deep learning techniques with Python by using the latest cutting-edge open source Python libraries. About This Book Second edition of the bestselling book on Machine Learning A practical approach to key frameworks in data science, machine learning, and deep learning Use the most powerful Python libraries to implement machine learning and deep learning Get to know the best practices to improve and optimize your machine learning systems and algorithms Who This Book Is For If you know some Python and you want to use machine learning and deep learning, pick up this book. Whether you want to start from scratch or extend your machine learning knowledge, this is an essential and unmissable resource. Written for developers and data scientists who want to create practical machine learning and deep learning code, this book is ideal for developers and data scientists who want to teach computers how to learn from data. What You Will Learn Understand the key frameworks in data science, machine learning, and deep learning Harness the power of the latest Python open source libraries in machine learning Explore machine learning techniques using challenging real-world data Master deep neural network implementation using the TensorFlow library Learn the mechanics of classification algorithms to implement the best tool for the job Predict continuous target outcomes using regression analysis Uncover hidden patterns and structures in data with clustering Delve deeper into textual and social media data using sentiment analysis In Detail Machine learning is eating the software world, and now deep learning is extending machine learning. Understand and work at the cutting edge of machine learning, neural networks, and deep learning with this second edition of Sebastian Raschka's bestselling book, Python Machine Learning. Thoroughly updated using the latest Python open source libraries, this book offers the practical knowledge and techniques you need to create and contribute to machine learning, deep learning, and modern data analysis. Fully extended and modernized, Python Machine Learning Second Edition now includes the popular TensorFlow deep learning library. The scikit-learn code has also been fully updated to include recent improvements and additions to this versatile machine learning library. Sebastian Raschka and Vahid Mirjalili's unique insight and expertise introduce you to machine learning and deep learning algorithms from s ...  Read more...
Abstract: Unlock modern machine learning and deep learning techniques with Python by using the latest cutting-edge open source Python libraries. About This Book Second edition of the bestselling book on Machine Learning A practical approach to key frameworks in data science, machine learning, and deep learning Use the most powerful Python libraries to implement machine learning and deep learning Get to know the best practices to improve and optimize your machine learning systems and algorithms Who This Book Is For If you know some Python and you want to use machine learning and deep learning, pick up this book. Whether you want to start from scratch or extend your machine learning knowledge, this is an essential and unmissable resource. Written for developers and data scientists who want to create practical machine learning and deep learning code, this book is ideal for developers and data scientists who want to teach computers how to learn from data. What You Will Learn Understand the key frameworks in data science, machine learning, and deep learning Harness the power of the latest Python open source libraries in machine learning Explore machine learning techniques using challenging real-world data Master deep neural network implementation using the TensorFlow library Learn the mechanics of classification algorithms to implement the best tool for the job Predict continuous target outcomes using regression analysis Uncover hidden patterns and structures in data with clustering Delve deeper into textual and social media data using sentiment analysis In Detail Machine learning is eating the software world, and now deep learning is extending machine learning. Understand and work at the cutting edge of machine learning, neural networks, and deep learning with this second edition of Sebastian Raschka's bestselling book, Python Machine Learning. Thoroughly updated using the latest Python open source libraries, this book offers the practical knowledge and techniques you need to create and contribute to machine learning, deep learning, and modern data analysis. Fully extended and modernized, Python Machine Learning Second Edition now includes the popular TensorFlow deep learning library. The scikit-learn code has also been fully updated to include recent improvements and additions to this versatile machine learning library. Sebastian Raschka and Vahid Mirjalili's unique insight and expertise introduce you to machine learning and deep learning algorithms from s

نظرات کاربران

کتاب های تصادفی

دانلود کتاب NASA historical data book

دانلود کتاب ICB. IPMA Competence Baseline

دانلود کتاب Transforming Primary Mathematics: Understanding classroom tasks, tools and talk

دانلود کتاب Mikoyan Gurevich MiG-15 Fagot

دانلود کتاب Progress in Optomechatronic Technologies: Proceedings of the 2013 International Symposium on Optomechatronic Technologies, Oct 28–30, 2013, Jeju Island, Korea