ورود به حساب

نام کاربری گذرواژه

گذرواژه را فراموش کردید؟ کلیک کنید

حساب کاربری ندارید؟ ساخت حساب

ساخت حساب کاربری

نام نام کاربری ایمیل شماره موبایل گذرواژه

برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید


09117307688
09117179751

در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید

دسترسی نامحدود

برای کاربرانی که ثبت نام کرده اند

ضمانت بازگشت وجه

درصورت عدم همخوانی توضیحات با کتاب

پشتیبانی

از ساعت 7 صبح تا 10 شب

دانلود کتاب Thoughtful Machine Learning: A Test-Driven Approach

دانلود کتاب یادگیری ماشین متفکرانه: یک رویکرد آزمایش محور

Thoughtful Machine Learning: A Test-Driven Approach

مشخصات کتاب

Thoughtful Machine Learning: A Test-Driven Approach

ویرایش: First edition 
نویسندگان:   
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



ثبت امتیاز به این کتاب

میانگین امتیاز به این کتاب :
       تعداد امتیاز دهندگان : 11


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>
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