دانلود کتاب Hands-On Unsupervised Learning Using Python: How to Build Applied Machine Learning Solutions from Unlabeled Data
49,000 تومان
آموزش بدون نظارت عملی با استفاده از پایتون: نحوه ساخت راهحلهای یادگیری ماشین کاربردی از دادههای بدون برچسب
| موضوع اصلی | کامپیوتر – علوم کامپیوتر |
|---|---|
| نوع کالا | کتاب الکترونیکی |
| ناشر | O’Reilly Media |
| تعداد صفحه | 362 |
| حجم فایل | 4.59 مگابایت |
| کد کتاب | 1492035645 , 9781492035640 |
| نوبت چاپ | شومیز |
| نویسنده | Ankur A Patel |
|---|---|
| زبان | انگلیسی |
| فرمت | EPUB |
| سال انتشار | 2019 |
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 |
Author Ankur Patel shows you how to apply unsupervised learning using two simple, production-ready Python frameworks: Scikit-learn and TensorFlow using Keras. With code and hands-on examples, data scientists will identify difficult-to-find patterns in data and gain deeper business insight, detect anomalies, perform automatic feature engineering and selection, and generate synthetic datasets. All you need is programming and some machine learning experience to get started.
Compare the strengths and weaknesses of the different machine learning approaches: supervised, unsupervised, and reinforcement learning
Set up and manage machine learning projects end-to-end
Build an anomaly detection system to catch credit card fraud
Clusters users into distinct and homogeneous groups
Perform semisupervised learning
Develop movie recommender systems using restricted Boltzmann machines
Generate synthetic images using generative adversarial networks
ترجمه فارسی (ترجمه ماشینی)
بسیاری از کارشناسان صنعت، یادگیری بدون نظارت را مرز بعدی در هوش مصنوعی می دانند، چیزی که ممکن است کلید هوش مصنوعی عمومی باشد. از آنجایی که اکثر داده های جهان بدون برچسب هستند، یادگیری تحت نظارت مرسوم را نمی توان اعمال کرد. از سوی دیگر، یادگیری بدون نظارت را می توان برای مجموعه داده های بدون برچسب برای کشف الگوهای معنی دار مدفون در داده ها اعمال کرد، الگوهایی که کشف آنها برای انسان تقریبا غیرممکن است.
نویسنده آنکور پاتل به شما نشان می دهد چگونه بدون نظارت را اعمال کنید. یادگیری با استفاده از دو چارچوب ساده پایتون آماده تولید: Scikit-learn و TensorFlow با استفاده از Keras. با کد و مثالهای عملی، دانشمندان داده الگوهای دشواری را در دادهها شناسایی میکنند و بینش عمیقتری کسب میکنند، ناهنجاریها را شناسایی میکنند، مهندسی و انتخاب ویژگیهای خودکار را انجام میدهند و مجموعه دادههای مصنوعی تولید میکنند. تنها چیزی که برای شروع نیاز دارید برنامه نویسی و تجربه یادگیری ماشینی است.
نقاط قوت و ضعف رویکردهای مختلف یادگیری ماشین را مقایسه کنید: یادگیری تحت نظارت، بدون نظارت و تقویتی
راه اندازی و مدیریت ماشین پروژه های یادگیری سرتاسر
یک سیستم تشخیص ناهنجاری بسازید تا کلاهبرداری کارت اعتباری را شناسایی کنید
کاربران را در گروه های مجزا و همگن دسته بندی کنید
آموزش نیمه نظارتی را انجام دهید
با استفاده از ماشین های محدود بولتزمن سیستم های توصیه کننده فیلم را توسعه دهید
با استفاده از شبکه های متخاصم تولید کننده، تصاویر مصنوعی تولید کنید
برای فرستادن دیدگاه، باید وارد شده باشید.
محصولات مرتبط
دانلود کتاب Financial Cryptography and Data Security: FC 2017 International Workshops, WAHC, BITCOIN, VOTING, WTSC, and TA, Sliema, Malta, April 7, 2017, Revised Selected Papers
| موضوع اصلی | کامپیوترها |
|---|---|
| نوع کالا | کتاب الکترونیکی |
| ناشر | Springer International Publishing |
| تعداد صفحه | 646 |
| حجم فایل | 20.18 مگابایت |
| کد کتاب | 3319702785 , 9783319702780 |
| نوبت چاپ | 1 |
نقد و بررسیها
هنوز بررسیای ثبت نشده است.