دانلود کتاب Python Machine Learning: Machine Learning and Deep Learning with Python, scikit-learn, and TensorFlow 2
49,000 تومان
یادگیری ماشین پایتون: یادگیری ماشینی و یادگیری عمیق با پایتون، scikit-learn و TensorFlow 2
| موضوع اصلی | کامپیوتر – علوم کامپیوتر |
|---|---|
| نوع کالا | کتاب الکترونیکی |
| ناشر | Packt Publishing – ebooks Account |
| تعداد صفحه | 770 / 771 |
| حجم فایل | 26.11 مگابایت |
| کد کتاب | 1789955750 , 9781789955750 |
| نوبت چاپ | 3 |
| نویسنده | Sebastian Raschka, Vahid Mirjalili |
|---|---|
| زبان | انگلیسی |
| فرمت | |
| 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 |
Key Features
• Third edition of the bestselling, widely acclaimed Python machine learning book
• Clear and intuitive explanations take you deep into the theory and practice of Python machine learning
• Fully updated and expanded to cover TensorFlow 2, Generative Adversarial Network models, reinforcement learning, and best practices
Book Description
Python Machine Learning, Third Edition is a comprehensive guide to machine learning and deep learning with Python. It acts as both a step-by-step tutorial, and a reference you’ll keep coming back to as you build your machine learning systems.
Packed with clear explanations, visualizations, and working examples, the book covers all the essential machine learning techniques in depth. While some books teach you only to follow instructions, with this machine learning book, Raschka and Mirjalili teach the principles behind machine learning, allowing you to build models and applications for yourself.
Updated for TensorFlow 2.0, this new third edition introduces readers to its new Keras API features, as well as the latest additions to scikit-learn. It’s also expanded to cover cutting-edge reinforcement learning techniques based on deep learning, as well as an introduction to GANs. Finally, this book also explores a subfield of natural language processing (NLP) called sentiment analysis, helping you learn how to use machine learning algorithms to classify documents.
This book is your companion to machine learning with Python, whether you’re a Python developer new to machine learning or want to deepen your knowledge of the latest developments.
What you will learn
• Master the frameworks, models, and techniques that enable machines to ‘learn’ from data
• Use scikit-learn for machine learning and TensorFlow for deep learning
• Apply machine learning to image classification, sentiment analysis, intelligent web applications, and more
• Build and train neural networks, GANs, and other models
• Discover best practices for evaluating and tuning models
• Predict continuous target outcomes using regression analysis
• Dig deeper into textual and social media data using sentiment analysis
Who This Book Is For
If you know some Python and you want to use machine learning and deep learning, pick up this book. Whether you want to start from scratch or extend your machine learning knowledge, this is an essential resource. Written for developers and data scientists who want to create practical machine learning and deep learning code, this book is ideal for anyone who wants to teach computers how to learn from data.
ترجمه فارسی (ترجمه ماشینی)
یادگیری ماشینی کاربردی با یک پایه محکم در تئوری. برای TensorFlow 2، GAN ها و یادگیری تقویتی تجدید نظر و گسترش یافته است.
ویژگی های کلیدی
• ویرایش سوم پرفروش ترین کتاب یادگیری ماشین پایتون که بسیار تحسین شده است
• توضیحات واضح و شهودی شما را عمیقاً به تئوری و عمل یادگیری ماشین پایتون می برد
• به طور کامل به روز شده و گسترش یافته است تا TensorFlow 2، مدل های شبکه متخاصم مولد، یادگیری تقویتی، و بهترین شیوه ها را پوشش دهد
توضیحات کتاب
آموزش ماشین پایتون، نسخه سوم یک راهنمای جامع برای یادگیری ماشین و یادگیری عمیق با پایتون است. این هم به عنوان یک آموزش گام به گام عمل می کند و هم به عنوان مرجعی که در هنگام ساختن سیستم های یادگیری ماشینی خود به آن مراجعه خواهید کرد.
این کتاب با توضیحات واضح، تجسمها و مثالهای کاری، تمام تکنیکهای ضروری یادگیری ماشین را به طور عمیق پوشش میدهد. در حالی که برخی از کتابها فقط به شما آموزش میدهند که دستورالعملها را دنبال کنید، با این کتاب یادگیری ماشینی، راشکا و میرجلیلی اصول یادگیری ماشین را آموزش میدهند و به شما امکان میدهند مدلها و برنامههایی را برای خود بسازید.
این نسخه سوم جدید که برای TensorFlow 2.0 بهروزرسانی شده است، خوانندگان را با ویژگیهای جدید Keras API خود و همچنین جدیدترین موارد اضافه شده به یادگیری scikit آشنا میکند. همچنین گسترش یافته است تا تکنیک های یادگیری تقویتی پیشرفته را بر اساس یادگیری عمیق و همچنین مقدمه ای بر GAN ها پوشش دهد. در نهایت، این کتاب همچنین یک حوزه فرعی از پردازش زبان طبیعی (NLP) به نام تحلیل احساسات را بررسی میکند و به شما کمک میکند یاد بگیرید چگونه از الگوریتمهای یادگیری ماشین برای طبقهبندی اسناد استفاده کنید.
این کتاب همراه شما برای یادگیری ماشین با پایتون است، خواه شما یک توسعهدهنده پایتون باشید که در یادگیری ماشینی تازه کار هستید یا میخواهید دانش خود را در مورد آخرین پیشرفتها عمیقتر کنید.
آنچه خواهید آموخت
• تسلط بر چارچوبها، مدلها و تکنیکهایی که ماشینها را قادر میسازد از دادهها «یادگیری» کنند
• از scikit-learn برای یادگیری ماشین و TensorFlow برای یادگیری عمیق استفاده کنید
• استفاده از یادگیری ماشین در طبقه بندی تصاویر، تجزیه و تحلیل احساسات، برنامه های کاربردی وب هوشمند، و موارد دیگر
• ساخت و آموزش شبکه های عصبی، GAN ها و مدل های دیگر
• بهترین شیوه ها را برای ارزیابی و تنظیم مدل ها کشف کنید
• پیش بینی پیامدهای هدف مستمر با استفاده از تحلیل رگرسیون
• با استفاده از تجزیه و تحلیل احساسات، اطلاعات متنی و رسانه های اجتماعی را عمیق تر کنید
این کتاب برای چه کسانی است
اگر پایتون میشناسید و میخواهید از یادگیری ماشینی و یادگیری عمیق استفاده کنید، این کتاب را انتخاب کنید. چه بخواهید از صفر شروع کنید یا دانش یادگیری ماشین خود را گسترش دهید، این یک منبع ضروری است. این کتاب برای توسعه دهندگان و دانشمندان داده که می خواهند یادگیری ماشین عملی و کدهای یادگیری عمیق ایجاد کنند، نوشته شده است، این کتاب برای هر کسی که می خواهد به رایانه ها یاد دهد چگونه از داده ها یاد بگیرد ایده آل است.
برای فرستادن دیدگاه، باید وارد شده باشید.
نقد و بررسیها
هنوز بررسیای ثبت نشده است.