دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
دانلود کتاب Thoughtful Machine Learning: A Test-Driven Approach
دانلود کتاب یادگیری ماشین متفکرانه: یک رویکرد آزمایش محور
مشخصات کتاب
Thoughtful Machine Learning: A Test-Driven Approach
ویرایش: First edition
نویسندگان: Kirk. Matthew
سری:
ISBN (شابک) : 9781449374068, 1449374069
ناشر: O'Reilly Media
سال نشر: 2015;2014
تعداد صفحات: 0
زبان: English
فرمت فایل : EPUB (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 19 مگابایت
قیمت کتاب (تومان) : 28,000
کلمات کلیدی مربوط به کتاب یادگیری ماشین متفکرانه: یک رویکرد آزمایش محور: الگوریتم ها، یادگیری ماشینی
در صورت تبدیل فایل کتاب Thoughtful Machine Learning: A Test-Driven Approach 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 متفکرانه: یک رویکرد آزمایش محور 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 متفکرانه: یک رویکرد آزمایش محور
بیاموزید که چگونه توسعه تست محور (TDD) را
در الگوریتم های یادگیری ماشینی اعمال کنید و اشتباهاتی را که
ممکن است شما را غرق کنند تحلیل و بررسی. در این راهنمای
عملی، نویسنده متیو کرک، شما را با اصول TDD و یادگیری ماشین
آشنا می‌کند و به شما نشان می‌دهد که چگونه TDD را در چندین
الگوریتم یادگیری ماشین، از جمله طبقه‌بندی‌کننده‌های ساده
بیزی و شبکه‌های عصبی به کار ببرید.<. /div>
< /div>
< /div>
الگوریتم های یادگیری ماشینی اغلب تست
هایی دارند، اما آنها نمی توان خطاهای انسانی در کدنویسی
را در نظر گرفت. به جای تکیه کورکورانه به نتایج یادگیری
ماشینی، همانطور که بسیاری از محققان انجام داده اند، می
توانید خطر خطاها را با TDD کاهش دهید و کدهای یادگیری
ماشینی تمیز و پایدار بنویسید. اگر با Ruby 2.1 آشنا
هستید، آماده شروع هستید.
قبل از شروع کدنویسی، TDD را برای
نوشتن و اجرای تست ها اعمال کنید
بهترین کاربردها و معاوضه های هشت
الگوریتم یادگیری ماشین را بیاموزید
از مثال های دنیای واقعی برای آزمایش
هر الگوریتم از طریق تمرینات جذاب و عملی استفاده
کنید< /div>
تشابهات بین TDD و روش علمی
اعتبارسنجی راه حل ها را درک کنید
آگاه باشید خطرات یادگیری ماشین،
مانند عدم تناسب و بیش از حد برازش داده ها
تکنیک هایی را برای
بهبود مدل های یادگیری ماشینی یا استخراج داده های خود
کاوش کنید
توضیحاتی درمورد کتاب به خارجی
Learn how to apply test-driven
development (TDD) to machine-learning algorithmsand catch
mistakes that could sink your analysis. In this practical
guide, author Matthew Kirk takes you through the
principles of TDD and machine learning, and shows you how
to apply TDD to several machine-learning algorithms,
including Naive Bayesian classifiers and Neural
Networks.
Machine-learning algorithms often have
tests baked in, but they cant account for human errors in
coding. Rather than blindly rely on machine-learning
results as many researchers have, you can mitigate the
risk of errors with TDD and write clean, stable
machine-learning code. If youre familiar with Ruby 2.1,
youre ready to start.
Apply TDD to write and run tests before
you start coding
Learn the best uses and tradeoffs of
eight machine learning algorithms
Use real-world examples to test each
algorithm through engaging, hands-on exercises
Understand the similarities between TDD
and the scientific method for validating solutions
Be aware of the risks of machine
learning, such as underfitting and overfitting
data
Explore techniques for improving your
machine-learning models or data extraction
نظرات کاربران
کتاب های تصادفی
دانلود کتاب Getting Started with Grunt: The JavaScript Task Runner: A hands-on approach to mastering the fundamentals of Grunt
دانلود کتاب SolidWorks Administration Bible
دانلود کتاب Resettlement of Displaced Persons on the Thai-Myanmar Border
دانلود کتاب Humanitarian Logistics (INSEAD Business Press)
