The Machine Learning Workshop - Second Edition: Get ready to develop your own high-performance machine learning algorithms with scikit-learn

رویکردی جامع و گام به گام برای درک یادگیری ماشین اتخاذ کنید

ویژگی‌های کلیدی

• دریابید که چگونه می‌توانید از scikit- استفاده کنید. یادگیری API یکسان در همه انواع مدل های یادگیری ماشین
• تفاوت بین مدل های یادگیری تحت نظارت و بدون نظارت را درک کنید
• درک خود را از مفاهیم یادگیری ماشین با کار بر روی مثال های دنیای واقعی تقویت کنید

توضیحات کتاب

الگوریتم های یادگیری ماشینی بخشی جدایی ناپذیر از تقریباً تمام برنامه های کاربردی مدرن هستند. برای سریع‌تر و دقیق‌تر کردن فرآیند یادگیری، به ابزاری انعطاف‌پذیر و به اندازه کافی قدرتمند نیاز دارید که به شما کمک کند الگوریتم‌های یادگیری ماشینی را سریع و آسان بسازید. با The Machine Learning Workshop، شما بر کتابخانه یادگیری scikit مسلط خواهید شد و در توسعه الگوریتم های هوشمندانه یادگیری ماشین مهارت خواهید داشت.

کارگاه یادگیری ماشین با نشان دادن نحوه عملکرد الگوریتم های یادگیری بدون نظارت و نظارت با تجزیه و تحلیل واقعی آغاز می شود. مجموعه داده های جهانی مشتریان عمده فروشی. هنگامی که با اصول اولیه آشنا شدید، یک شبکه عصبی مصنوعی را با استفاده از scikit-learn توسعه خواهید داد و سپس عملکرد آن را با تنظیم دقیق هایپرپارامترها بهبود می بخشید. در پایان کارگاه، مجموعه داده‌های فعالیت‌های بازاریابی بانک را مطالعه می‌کنید و مدل‌های یادگیری ماشینی را می‌سازید که می‌تواند مشتریانی را که احتمالاً مشترک یک سپرده مدت‌دار هستند فهرست کند. همچنین یاد خواهید گرفت که چگونه این مدل ها را مقایسه کنید و مدل بهینه را انتخاب کنید.

در پایان کارگاه یادگیری ماشین، نه تنها تفاوت بین مدل های نظارت شده و بدون نظارت و کاربردهای آنها را در در دنیای واقعی، اما شما همچنین مهارت های مورد نیاز برای شروع برنامه نویسی الگوریتم های یادگیری ماشین خود را توسعه خواهید داد.

آنچه یاد خواهید گرفت

• درک کنید که چگونه الگوریتمی را انتخاب کنید که به بهترین وجه متناسب با مجموعه داده و نتیجه دلخواه شما باشد
• الگوریتم های محبوب دنیای واقعی مانند K-means، Mean-Shift و DBSCAN را کاوش کنید
• روش های مختلف را برای حل یادگیری ماشین کشف کنید. مشکلات طبقه بندی
• توسعه ساختارهای شبکه عصبی با استفاده از بسته scikit-learn
• از الگوریتم NN برای ایجاد مدل هایی برای پیش بینی نتایج آینده استفاده کنید
• برای بهبود وضعیت خود، تجزیه و تحلیل خطا را انجام دهید. عملکرد مدل

این کتاب برای چه کسی است

کارگاه یادگیری ماشین برای مبتدیان یادگیری ماشین عالی است. شما به تجربه برنامه نویسی پایتون نیاز دارید، اگرچه هیچ دانش قبلی در مورد یادگیری اسکی و یادگیری ماشین لازم نیست.

فهرست محتوا

1. مقدمه ای بر Scikit-Learn
2. یادگیری بدون نظارت - برنامه های کاربردی در زندگی واقعی
3. یادگیری تحت نظارت - مراحل کلیدی
4. الگوریتم های یادگیری نظارت شده: پیش بینی درآمد سالانه
5. شبکه های عصبی مصنوعی: پیش بینی درآمد سالانه
6. برنامه خود را بسازید

Take a comprehensive and step-by-step approach to understanding machine learning

Key Features

• Discover how to apply the scikit-learn uniform API in all types of machine learning models
• Understand the difference between supervised and unsupervised learning models
• Reinforce your understanding of machine learning concepts by working on real-world examples

Book Description

Machine learning algorithms are an integral part of almost all modern applications. To make the learning process faster and more accurate, you need a tool flexible and powerful enough to help you build machine learning algorithms quickly and easily. With The Machine Learning Workshop, you'll master the scikit-learn library and become proficient in developing clever machine learning algorithms.

The Machine Learning Workshop begins by demonstrating how unsupervised and supervised learning algorithms work by analyzing a real-world dataset of wholesale customers. Once you've got to grips with the basics, you'll develop an artificial neural network using scikit-learn and then improve its performance by fine-tuning hyperparameters. Towards the end of the workshop, you'll study the dataset of a bank's marketing activities and build machine learning models that can list clients who are likely to subscribe to a term deposit. You'll also learn how to compare these models and select the optimal one.

By the end of The Machine Learning Workshop, you'll not only have learned the difference between supervised and unsupervised models and their applications in the real world, but you'll also have developed the skills required to get started with programming your very own machine learning algorithms.

What you will learn

• Understand how to select an algorithm that best fits your dataset and desired outcome
• Explore popular real-world algorithms such as K-means, Mean-Shift, and DBSCAN
• Discover different approaches to solve machine learning classification problems
• Develop neural network structures using the scikit-learn package
• Use the NN algorithm to create models for predicting future outcomes
• Perform error analysis to improve your model's performance

Who this book is for

The Machine Learning Workshop is perfect for machine learning beginners. You will need Python programming experience, though no prior knowledge of scikit-learn and machine learning is necessary.

Table of Contents

1. Introduction to Scikit-Learn
2. Unsupervised Learning - Real-Life Applications
3. Supervised Learning - Key Steps
4. Supervised Learning Algorithms: Predicting Annual Income
5. Artificial Neural Networks: Predicting Annual Income
6. Building Your Own Program