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
دسته بندی: سایبرنتیک: هوش مصنوعی ویرایش: 1 نویسندگان: Henrik Brink, Joseph Richards, Mark Fetherolf سری: ISBN (شابک) : 1617291927, 9781617291920 ناشر: Manning Publications سال نشر: 2016 تعداد صفحات: 0 زبان: English فرمت فایل : EPUB (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 7 مگابایت
کلمات کلیدی مربوط به کتاب یادگیری ماشینی در دنیای واقعی: علوم کامپیوتر، هوش مصنوعی و یادگیری ماشین، بیوانفورماتیک، شبیهسازی کامپیوتر، سایبرنتیک، تعامل انسان و کامپیوتر، تئوری اطلاعات، رباتیک، تجزیه و تحلیل و طراحی سیستمها، کامپیوتر و فناوری، مدلسازی و طراحی داده، پایگاههای داده و دادههای بزرگ، کامپیوتر و فناوری، داده کاوی پایگاه داده و کلان داده، رایانه و فناوری، انبار داده، پایگاه داده و کلان داده، رایانه و فناوری، پردازش داده، پایگاه داده و کلان داده، رایانه و فناوری، توسعه نرم افزار، طراحی نرم افزار، آزمایش و مهندسی، پروگرا
در صورت تبدیل فایل کتاب Real-World 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 ماشینی در 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.
در دنیایی که دادههای بزرگ یک هنجار است و تصمیمگیریهای زمان واقعی بسیار مهم هستند، یادگیری ماشین (ML) یک جزء حیاتی از گردش کار داده است. سیستمهای یادگیری ماشینی میتوانند به سرعت حجم عظیمی از اطلاعات را برای ارائه بینش و تصمیمگیری به نحوی که با تواناییهای شناختی انسان مطابقت داشته باشد یا حتی از آن فراتر رود، خرد کنند. این سیستم ها از ابزارهای آماری و محاسباتی پیچیده ای برای ساخت مدل هایی استفاده می کنند که می توانند الگوها را شناسایی و تجسم کنند، نتایج را پیش بینی کنند، مقادیر را پیش بینی کنند و توصیه هایی را ارائه دهند. یادگیری ماشینی در دنیای واقعی یک راهنمای عملی است که برای آموزش هنر اجرای پروژه ML به توسعه دهندگان طراحی شده است. این کتاب تمرین روزانه یادگیری ماشینی را معرفی میکند و خوانندگان را برای ساخت و استقرار موفق سیستمهای قدرتمند ML آماده میکند. با استفاده از زبان پایتون و بسته آماری R، با مفاهیم اصلی مانند اکتساب و مدلسازی داده، طبقهبندی و رگرسیون شروع میشود. سپس از طریق مهمترین وظایف ML مانند اعتبار سنجی مدل، بهینه سازی و مهندسی ویژگی حرکت می کند. از نمونه های دنیای واقعی استفاده می کند که به خوانندگان کمک می کند تا مشکلات رایج را پیش بینی کرده و بر آنها غلبه کنند. در طول مسیر، آنها الگوریتم های مقیاس پذیر و آنلاین را برای مجموعه داده های بزرگ و جریانی کشف خواهند کرد. خوانندگان پیشرفته از بحث عمیق در مورد سیستم های پیشرفته ML از طریق روش های کاوش پیشرفته داده و روش های پیش پردازش قدردانی خواهند کرد. خرید کتاب چاپی شامل یک کتاب الکترونیکی رایگان در قالبهای PDF، Kindle و ePub از انتشارات منینگ است.
In a world where big data is the norm and near-real-time decisions are crucial, machine learning (ML) is a critical component of the data workflow. Machine learning systems can quickly crunch massive amounts of information to offer insights and make decisions in a way that matches or even surpasses human cognitive abilities. These systems use sophisticated computational and statistical tools to build models that can recognize and visualize patterns, predict outcomes, forecast values, and make recommendations. Real-World Machine Learning is a practical guide designed to teach developers the art of ML project execution. The book introduces the day-to-day practice of machine learning and prepares readers to successfully build and deploy powerful ML systems. Using the Python language and the R statistical package, it starts with core concepts like data acquisition and modeling, classification, and regression. Then it moves through the most important ML tasks, like model validation, optimization and feature engineering. It uses real-world examples that help readers anticipate and overcome common pitfalls. Along the way, they will discover scalable and online algorithms for large and streaming data sets. Advanced readers will appreciate the in-depth discussion of enhanced ML systems through advanced data exploration and pre-processing methods. Purchase of the print book includes a free eBook in PDF, Kindle, and ePub formats from Manning Publications.