دانلود کتاب Hands-on Machine Learning with Python
36,000 تومان
یادگیری ماشینی عملی با پایتون
موضوع اصلی | کامپیوتر – هوش مصنوعی (AI) |
---|---|
نوع کالا | کتاب الکترونیکی |
ناشر | Apress |
تعداد صفحه | 335 / 340 |
حجم فایل | 5.80 مگابایت |
کد کتاب | 1484279204 , 9781484279205 |
نویسنده | , |
---|---|
زبان |
انگلیسی |
فرمت |
|
سال انتشار |
2022 |
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 |
ترجمه فارسی (ترجمه ماشینی)
در اینجا راهنمای جامع کاملی برای خوانندگان با دانش پایه تا متوسط از یادگیری ماشین و یادگیری عمیق است. ابزارهایی مانند NumPy برای پردازش عددی، Pandas برای تجزیه و تحلیل دادههای پانل، Matplotlib برای تجسم، Scikit-learn برای یادگیری ماشین و Pytorch برای یادگیری عمیق با پایتون معرفی میشود. همچنین به عنوان یک راهنمای مرجع طولانی مدت برای تمرینکنندگانی که راهحلهایی برای سناریوهای رایج پیدا میکنند، عمل میکند. این کتاب به سه بخش تقسیم شده است. بخش اول شما را با ابزارهای خرد کردن اعداد و تجزیه و تحلیل داده ها با استفاده از پایتون همراه با توضیح عمیق در مورد پیکربندی محیط، بارگذاری داده ها، پردازش عددی، تجزیه و تحلیل داده ها و تجسم ها آشنا می کند. بخش دوم اصول یادگیری ماشین و کتابخانه Scikit-learn را پوشش می دهد. همچنین یادگیری نظارت شده، یادگیری بدون نظارت، پیاده سازی و طبقه بندی الگوریتم های رگرسیون و روش های یادگیری گروهی را به روشی آسان با درس های نظری و عملی توضیح می دهد. بخش سوم معماری شبکه های عصبی پیچیده را با جزئیات در مورد کار داخلی و اجرای شبکه های عصبی کانولوشن توضیح می دهد. فصل آخر شامل یک راه حل کامل و کامل با شبکه های عصبی در Pytorch است. پس از تکمیل یادگیری ماشینی دستی با پایتون، میتوانید راهحلهای یادگیری ماشین و شبکههای عصبی را پیادهسازی کنید و آنها را به نفع خود گسترش دهید. آنچه خواهید آموخت بررسی ساختارهای داده در NumPy و Pandas نشان دادن تکنیک ها و الگوریتم های یادگیری ماشینی درک یادگیری نظارت شده و یادگیری بدون نظارت بررسی شبکه های عصبی کانولوشن و شبکه های عصبی تکراری با scikit-learn و PyTorch پیش بینی دنباله ها در شبکه های عصبی کوتاه مدت مکرر و طولانی مدت آشنا شوید. حافظه این کتاب برای دانشمندان داده، مهندسان یادگیری ماشین و متخصصان نرم افزار با مهارت های اولیه در برنامه نویسی پایتون است.
نقد و بررسیها
هنوز بررسیای ثبت نشده است.