دانلود کتاب The Machine Learning Workshop – Second Edition: Get ready to develop your own high-performance machine learning algorithms with scikit-learn
49,000 تومان
کارگاه یادگیری ماشین – ویرایش دوم: برای توسعه الگوریتمهای یادگیری ماشینی با کارایی بالا خود با scikit-learn آماده شوید.
| موضوع اصلی | کامپیوتر – علوم کامپیوتر |
|---|---|
| نوع کالا | کتاب الکترونیکی |
| ناشر | Packt Publishing – ebooks Account |
| تعداد صفحه | 286 / 285 |
| حجم فایل | 6.27 مگابایت |
| کد کتاب | 1839219068 , 9781839219061 |
| نوبت چاپ | 2 |
| نویسنده | Hyatt Saleh |
|---|---|
| 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 |
Take a comprehensive and step-by-step approach to understanding machine learning
Key Features
- Discover how to apply the scikit-learn uniform API in all types of machine learning models
- Understand the difference between supervised and unsupervised learning models
- Reinforce your understanding of machine learning concepts by working on real-world examples
Book Description
Machine learning algorithms are an integral part of almost all modern applications. To make the learning process faster and more accurate, you need a tool flexible and powerful enough to help you build machine learning algorithms quickly and easily. With The Machine Learning Workshop, you’ll master the scikit-learn library and become proficient in developing clever machine learning algorithms.
The Machine Learning Workshop begins by demonstrating how unsupervised and supervised learning algorithms work by analyzing a real-world dataset of wholesale customers. Once you’ve got to grips with the basics, you’ll develop an artificial neural network using scikit-learn and then improve its performance by fine-tuning hyperparameters. Towards the end of the workshop, you’ll study the dataset of a bank’s marketing activities and build machine learning models that can list clients who are likely to subscribe to a term deposit. You’ll also learn how to compare these models and select the optimal one.
By the end of The Machine Learning Workshop, you’ll not only have learned the difference between supervised and unsupervised models and their applications in the real world, but you’ll also have developed the skills required to get started with programming your very own machine learning algorithms.
What you will learn
- Understand how to select an algorithm that best fits your dataset and desired outcome
- Explore popular real-world algorithms such as K-means, Mean-Shift, and DBSCAN
- Discover different approaches to solve machine learning classification problems
- Develop neural network structures using the scikit-learn package
- Use the NN algorithm to create models for predicting future outcomes
- Perform error analysis to improve your model’s performance
Who this book is for
The Machine Learning Workshop is perfect for machine learning beginners. You will need Python programming experience, though no prior knowledge of scikit-learn and machine learning is necessary.
Table of Contents
- Introduction to Scikit-Learn
- Unsupervised Learning – Real-Life Applications
- Supervised Learning – Key Steps
- Supervised Learning Algorithms: Predicting Annual Income
- Artificial Neural Networks: Predicting Annual Income
- Building Your Own Program
ترجمه فارسی (ترجمه ماشینی)
رویکردی جامع و گام به گام برای درک یادگیری ماشین اتخاذ کنید
ویژگی های کلیدی
- دریابید که چگونه API یکنواخت scikit-learn را در همه انواع استفاده کنید مدلهای یادگیری ماشینی
- تفاوت بین مدلهای یادگیری تحت نظارت و بدون نظارت را درک کنید
- درک خود را از مفاهیم یادگیری ماشین با کار بر روی نمونههای دنیای واقعی تقویت کنید
توضیحات کتاب
الگوریتم های یادگیری ماشین بخشی جدایی ناپذیر از تقریباً همه برنامه های مدرن هستند. برای سریعتر و دقیقتر کردن فرآیند یادگیری، به ابزاری نیاز دارید که به اندازه کافی انعطافپذیر و قدرتمند باشد تا به شما کمک کند الگوریتمهای یادگیری ماشینی را سریع و آسان بسازید. با The Machine Learning Workshop، بر کتابخانه scikit-learn مسلط خواهید شد و در توسعه الگوریتم های هوشمندانه یادگیری ماشین مهارت خواهید داشت.
کارگاه یادگیری ماشین با نشان دادن نحوه عملکرد الگوریتم های یادگیری بدون نظارت و نظارت با تجزیه و تحلیل واقعی آغاز می شود. مجموعه داده های جهانی مشتریان عمده فروشی. هنگامی که با اصول اولیه آشنا شدید، یک شبکه عصبی مصنوعی را با استفاده از scikit-learn توسعه میدهید و سپس عملکرد آن را با تنظیم دقیق فراپارامترها بهبود میبخشید. در پایان کارگاه، مجموعه دادههای فعالیتهای بازاریابی یک بانک را مطالعه میکنید و مدلهای یادگیری ماشینی را میسازید که میتواند مشتریانی را که احتمالاً مشترک یک سپرده مدتدار هستند فهرست کند. همچنین یاد خواهید گرفت که چگونه این مدل ها را مقایسه کنید و مدل بهینه را انتخاب کنید.
در پایان کارگاه یادگیری ماشین، نه تنها تفاوت بین مدل های تحت نظارت و بدون نظارت و کاربردهای آنها را در در دنیای واقعی، اما شما همچنین مهارت های مورد نیاز برای شروع برنامه نویسی الگوریتم های یادگیری ماشینی خود را توسعه خواهید داد.
آنچه یاد خواهید گرفت
- چگونگی انتخاب الگوریتمی را که به بهترین وجه متناسب با شما باشد را بدانید. مجموعه داده و نتیجه دلخواه
- کاوش الگوریتم های محبوب دنیای واقعی مانند K-means، Mean-Shift و DBSCAN
- کشف رویکردهای مختلف برای حل مشکلات طبقه بندی یادگیری ماشین
- از الگوریتم NN برای ایجاد مدل هایی برای پیش بینی نتایج آینده استفاده کنید
- برای بهبود عملکرد مدل خود تجزیه و تحلیل خطا را انجام دهید
ساختارهای شبکه عصبی را با استفاده از بسته scikit-learn توسعه دهید
این کتاب برای چه کسانی است
کارگاه یادگیری ماشین برای مبتدیان یادگیری ماشین عالی است. شما به تجربه برنامه نویسی پایتون نیاز دارید، اگرچه هیچ دانش قبلی در مورد یادگیری ماشین و یادگیری ماشین لازم نیست.
فهرست محتوا
- مقدمه ای بر یادگیری Scikit-Learn
- یادگیری بدون نظارت – واقعی -برنامه های زندگی
- یادگیری تحت نظارت – مراحل کلیدی
- الگوریتم های یادگیری نظارت شده: پیش بینی درآمد سالانه
- شبکه های عصبی مصنوعی: پیش بینی درآمد سالانه
- برنامه خود را بسازید

نقد و بررسیها
هنوز بررسیای ثبت نشده است.