دانلود کتاب Data Preparation for Machine Learning – Data Cleaning, Feature Selection, and Data Transforms in Python
36,000 تومان
آماده سازی داده ها برای یادگیری ماشینی – پاکسازی داده ها، انتخاب ویژگی ها و تبدیل داده ها در پایتون
موضوع اصلی | کامپیوتر – هوش مصنوعی (AI) |
---|---|
نوع کالا | کتاب الکترونیکی |
ناشر | Machine Learning Mastery |
تعداد صفحه | 398 |
حجم فایل | 3.17 مگابایت |
نوبت چاپ | نسخه 1.1 |
نویسنده | |
---|---|
زبان |
انگلیسی |
فرمت |
|
سال انتشار |
2020 |
جدول کد تخفیف
تعداد کتاب | درصد تخفیف | قیمت کتاب |
1 | بدون تخفیف | 25,000 تومان |
2 | 20 درصد | 20,000 تومان |
3 الی 5 | 25 درصد | 18,750 تومان |
6 الی 10 | 30 درصد | 17,500 تومان |
11 الی 20 | 35 درصد | 16,250 تومان |
21 الی 30 | 40 درصد | 15,000 تومان |
31 الی 40 | 45 درصد | 13,750 تومان |
41 الی 50 | 50 درصد | 12,500 تومان |
51 الی 70 | 55 درصد | 11,250 تومان |
71 الی 100 | 60 درصد | 10,000 تومان |
101 الی 150 | 65 درصد | 8,750 تومان |
151 الی 200 | 70 درصد | 7,500 تومان |
201 الی 300 | 75 درصد | 6,250 تومان |
301 الی 500 | 80 درصد | 5,000 تومان |
501 الی 1000 | 85 درصد | 3,750 تومان |
1001 الی 10000 | 90 درصد | 2,500 تومان |
Cut through the equations, Greek letters, and confusion, and discover the specialized data preparation techniques that you need to know to get the most out of your data on your next project.
Using clear explanations, standard Python libraries, and step-by-step tutorial lessons, you will discover how to confidently and effectively prepare your data for predictive modeling with machine learning.
ترجمه فارسی (ترجمه ماشینی)
آمادهسازی داده شامل تبدیل دادههای خام به شکلی است که بتوان با استفاده از الگوریتمهای یادگیری ماشین مدلسازی کرد.
معادلات، حروف یونانی و سردرگمی را برش دهید و تکنیک های تخصصی آماده سازی داده را که باید بدانید تا بیشترین بهره را از داده های خود در پروژه بعدی خود ببرید، کشف کنید.
با استفاده از توضیحات واضح، کتابخانه های استاندارد پایتون و درس های آموزشی گام به گام، خواهید فهمید که چگونه با اطمینان و به طور موثر داده های خود را برای مدل سازی پیش بینی با یادگیری ماشین آماده کنید.
نقد و بررسیها
هنوز بررسیای ثبت نشده است.