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
ویرایش: نویسندگان: Md. Rezaul Karim (Packt Publishing, 2018) سری: ISBN (شابک) : 9781789136913, 1789130425 ناشر: Packt Publishing سال نشر: 2018 تعداد صفحات: 0 زبان: English فرمت فایل : EPUB (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 7 مگابایت
در صورت ایرانی بودن نویسنده امکان دانلود وجود ندارد و مبلغ عودت داده خواهد شد
کلمات کلیدی مربوط به کتاب TensorFlow تجزیه و تحلیل پیش بینی قدرتمند همراه با جریان تنسور: یک راهنمای سریع در یادگیری نظارت شده ، بدون نظارت و تقویت با تنسورفل: نرم افزار منبع باز، نرم افزار منبع باز -- برنامه های کاربردی کتابخانه، نرم افزار منبع باز -- برنامه های کاربردی کتابخانه
در صورت تبدیل فایل کتاب TensorFlow powerful predictive analytics with tensorflow: a fast-paced guide on supervised, unsupervised, and reinforcement learning with 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 TensorFlow تجزیه و تحلیل پیش بینی قدرتمند همراه با جریان تنسور: یک راهنمای سریع در یادگیری نظارت شده ، بدون نظارت و تقویت با تنسورفل 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.
یاد بگیرید که چگونه مشکلات زندگی واقعی را با استفاده از روش های مختلف مانند رگرسیون منطقی، جنگل های تصادفی و SVM با TensorFlow حل کنید. ویژگیهای کلیدی تجزیه و تحلیل پیشبینیکننده را به همراه چالشها و بهترین شیوههای آن درک کنید. همراه با ارزیابیهایی که به شما کمک میکند مفاهیمی را که در این کتاب آموختهاید تجدیدنظر کنید. تصمیمهای پیشبینیکننده در حال تبدیل شدن به یک روند بزرگ در سراسر جهان هستند و با پیشبینی اینکه کدام تصمیمها بیشترین نتایج را به همراه دارند، به بخشهای صنعتی گستردهای پاسخ میدهند. TensorFlow، زاده فکر گوگل، بسیار محبوب است و به طور گسترده برای تجزیه و تحلیل پیش بینی استفاده می شود. این کتاب یک راهنمای یادگیری سریع در مورد هر سه نوع یادگیری ماشینی است، یعنی یادگیری تحت نظارت، بدون نظارت و تقویتی با TensorFlow. این کتاب به شما تجزیه و تحلیل پیش بینی برای داده های با ابعاد بالا و توالی را آموزش می دهد. به طور خاص، شما مدل رگرسیون خطی برای تحلیل رگرسیون را خواهید آموخت. همچنین یاد خواهید گرفت که چگونه از رگرسیون برای پیش بینی مقادیر پیوسته استفاده کنید. شما الگوریتم های یادگیری نظارت شده برای تجزیه و تحلیل پیش بینی را خواهید آموخت. یادگیری و خوشهبندی بدون نظارت را با استفاده از K-means کاوش خواهید کرد، سپس یاد خواهید گرفت که چگونه محلهها را با استفاده از K-means پیشبینی کنید، و سپس، نمونه دیگری از خوشهبندی کلیپهای صوتی را بر اساس ویژگیهای صوتی آنها ببینید. این کتاب برای توسعه دهندگان، تحلیلگران داده، متخصصان یادگیری ماشین و علاقه مندان به یادگیری عمیق که می خواهند مدل های پیش بینی قدرتمند، قوی و دقیق با قدرت TensorFlow بسازند، ایده آل است. این کتاب با ارزیابی های مفیدی تعبیه شده است که به شما کمک می کند مفاهیمی را که در این کتاب آموخته اید تجدید نظر کنید. آنچه یاد خواهید گرفت ویژگی های TensorFlow را در یک مسئله واقعی یاد بگیرید، به دنبال آن نصب و پیکربندی دقیق TensorFlow. نمودارهای محاسباتی، داده ها و مدل های برنامه نویسی را کاوش کنید همچنین بینشی از نمونه ای از اجرای مدل رگرسیون خطی برای تجزیه و تحلیل پیش بینی کننده را به دست آورید. حل مسئله بقای تایتانیک با استفاده از رگرسیون لجستیک، جنگلهای تصادفی و SVM برای تجزیه و تحلیل پیشبینیکننده به تجزیه و تحلیل پیشبینیکننده عمیقتر بپردازید و دریابید که چگونه میتوانید از آن برای خوشهبندی رکوردهای متعلق به گروه یا کلاس خاص برای مجموعه دادهای از مشاهدات بدون نظارت مثالهایی از نحوه اعمال تقویت استفاده کنید. الگوریتم های یادگیری برای توسعه مدل های پیش بینی بر روی مجموعه داده های واقعی این کتاب برای چه کسانی است این کتاب برای توسعه دهندگان، تحلیلگران داده، متخصصان یادگیری ماشین و علاقه مندان به یادگیری عمیق که می خواهند مدل های پیش بینی قدرتمند، قوی و دقیق با قدرت TensorFlow.
Learn how to solve real life problems using different methods like logic regression, random forests and SVM's with TensorFlow. Key Features Understand predictive analytics along with its challenges and best practices Embedded with assessments that will help you revise the concepts you have learned in this book Book Description Predictive analytics discovers hidden patterns from structured and unstructured data for automated decision making in business intelligence. Predictive decisions are becoming a huge trend worldwide, catering to wide industry sectors by predicting which decisions are more likely to give maximum results. TensorFlow, Google's brainchild, is immensely popular and extensively used for predictive analysis. This book is a quick learning guide on all the three types of machine learning, that is, supervised, unsupervised, and reinforcement learning with TensorFlow. This book will teach you predictive analytics for high-dimensional and sequence data. In particular, you will learn the linear regression model for regression analysis. You will also learn how to use regression for predicting continuous values. You will learn supervised learning algorithms for predictive analytics. You will explore unsupervised learning and clustering using K-meansYou will then learn how to predict neighborhoods using K-means, and then, see another example of clustering audio clips based on their audio features. This book is ideal for developers, data analysts, machine learning practitioners, and deep learning enthusiasts who want to build powerful, robust, and accurate predictive models with the power of TensorFlow. This book is embedded with useful assessments that will help you revise the concepts you have learned in this book. What you will learn Learn TensorFlow features in a real-life problem, followed by detailed TensorFlow installation and configuration Explore computation graphs, data, and programming models also get an insight into an example of implementing linear regression model for predictive analytics Solve the Titanic survival problem using logistic regression, random forests, and SVMs for predictive analytics Dig deeper into predictive analytics and find out how to take advantage of it to cluster records belonging to the certain group or class for a dataset of unsupervised observations Learn several examples of how to apply reinforcement learning algorithms for developing predictive models on real-life datasets Who this book is for This book is aimed at developers, data analysts, machine learning practitioners, and deep learning enthusiasts who want to build powerful, robust, and accurate predictive models with the power of TensorFlow.