Product details
- ASIN : B09BT7YCCM
- Publisher : Independently published (August 3, 2021)
- Language : English
- Paperback : 218 pages
- ISBN-13 : 979-8549178373
جلد معمولی رنگی_کتاب Machine Learning With Python For Beginners: A Step-By-Step Guide with Hands-On Projects (Learn Coding Fast with Hands-On Project)
A Step-By-Step Beginner's Guide to Machine Learning
Have you always been curious about machine learning but do not know where to start. Or perhaps your new job requires you to learn machine learning but you are overwhelmed with all the information available online.
What is machine learning? What is Scikit-Learn? What does the fit() method that you see on so many online tutorials do?
Does machine learning seem like a black-box to you?
This book is for you.
You no longer have to spend hours watching videos online or reading through tutorials that assume you are familiar with essential scientific and machine learning libraries in Python. This book answers all the questions above and more.
Pre-Requisites
The book assumes that you are familiar with basic Python, especially with the concept of object-oriented programming in Python. If you are not familiar, you can check out my introductory book "Learn Python in one day and Learn It Well (2nd Edition)" available at https://www.amazon.com/dp/1546488332.
What this book offers?
Machine Learning for Beginners
Complex concepts are broken down into simple steps and examples are carefully chosen to illustrate each concept. Mathematical concepts are explained without complicated notations and formulas.
Hands-On Approach
Countless examples are provided for you to try out in each chapter, so that you can understand exactly what different machine learning methods do.
Systematic Approach
A systematic approach is taken to provide you with the background knowledge needed before covering advanced concepts.
How is this book different?
The best way to learn anything is by doing.
This book includes three hands-on projects at the end of the book for you to apply and practice all the concepts taught previously.
Working through the projects will not only give you an immense sense of achievement, it'll also help you retain the knowledge and solidify your understanding.
Whether you are an aspiring data scientist or just curious about machine learning, the book is designed to help you grasp the fundamental concepts of machine learning in a systematic and step-by-step fashion.
Are you ready to dip your toes into the exciting world of Machine Learning? This book is for you. Click the "Add to Cart" button to buy it now.
What you'll learn:
- What is Machine Learning
- What is supervised, unsupervised, and reinforcement learning
- How to use the NumPy and pandas library
- How to use matplotlib to plot charts
- What is the Scikit-Learn library?
- What do the fit() and transform() methods do
- How to pre-process our data
- How to use pipelines and column transformers to streamline our code
- How to evaluate our models
- What is a confusion matrix and how to interpret it
- What is regression, classification, and clustering
- What is the theory behind the linear regression, poly regression, decision tree, random forest, SVM, and k-means clustering algorithms
- How to do a grid search to find the best hyperparameters
- What is regularization
- How to reduce the dimensions of our dataset
and more...
Finally, you'll be guided through three hands-on projects that require the application of all the topics covered.
Click the "Add to Cart" button now to start learning machine learning and build your own models.
منابع کتاب جلد معمولی رنگی_کتاب Machine Learning With Python For Beginners: A Step-By-Step Guide with Hands-On Projects (Learn Coding Fast with Hands-On Project)
راهنمای گام به گام مبتدیان برای یادگیری ماشین
آیا همیشه در مورد یادگیری ماشین کنجکاو بوده اید اما نمی دانید از کجا شروع کنید. یا شاید شغل جدید شما مستلزم یادگیری ماشین یادگیری باشد، اما شما با تمام اطلاعات موجود آنلاین غرق شده اید.
یادگیری ماشینی چیست؟ Scikit-Learn چیست؟ متد fit() که در بسیاری از آموزش های آنلاین مشاهده می کنید چه کاری انجام می دهد؟
آیا یادگیری ماشینی به نظر شما یک جعبه سیاه است؟
این کتاب برای شماست.
دیگر لازم نیست ساعتها را صرف تماشای ویدیوهای آنلاین یا خواندن از طریق آموزشهایی کنید که فرض میکنند با کتابخانههای علمی و یادگیری ماشینی ضروری در پایتون آشنا هستید. این کتاب به تمام سوالات بالا و بیشتر پاسخ می دهد.
پیش نیازها
در این کتاب فرض بر این است که شما با پایتون اولیه، به خصوص با مفهوم برنامه نویسی شی گرا در پایتون آشنا هستید. اگر آشنا نیستید، میتوانید کتاب مقدماتی من "یادگیری پایتون در یک روز و آن را خوب بیاموزید (نسخه دوم)" را که در https://www.amazon.com/dp/1546488332 موجود است، بررسی کنید.
این کتاب چه چیزی را ارائه می دهد؟
یادگیری ماشینی برای مبتدیان
مفاهیم پیچیده به مراحل ساده تقسیم می شوند و نمونه هایی با دقت انتخاب می شوند تا هر مفهوم را نشان دهند. مفاهیم ریاضی بدون نمادها و فرمول های پیچیده توضیح داده می شوند.
رویکرد عملی
مثالهای بیشماری برای شما ارائه شده است تا در هر فصل آن را امتحان کنید تا بتوانید دقیقاً بفهمید که روشهای مختلف یادگیری ماشین چه میکنند.
رویکرد سیستماتیک
یک رویکرد سیستماتیک برای ارائه دانش پس زمینه مورد نیاز قبل از پوشش مفاهیم پیشرفته در نظر گرفته شده است.
این کتاب چه تفاوتی دارد؟
بهترین راه برای یادگیری هر چیزی انجام دادن است.
این کتاب شامل سه پروژه عملی در انتهای کتاب می باشد تا بتوانید تمامی مفاهیمی که قبلا آموزش داده شده را به کار گرفته و تمرین کنید.
کار کردن در پروژهها نه تنها به شما حس موفقیت فوقالعادهای میدهد، بلکه به شما کمک میکند دانش خود را حفظ کرده و درک خود را تقویت کنید.
چه یک دانشمند مشتاق داده باشید یا فقط در مورد یادگیری ماشینی کنجکاو باشید، این کتاب برای کمک به درک مفاهیم اساسی یادگیری ماشینی به صورت سیستماتیک و گام به گام طراحی شده است.
آیا آماده اید تا انگشتان پای خود را در دنیای هیجان انگیز یادگیری ماشینی فرو کنید؟ این کتاب برای شماست. برای خرید هم اکنون روی دکمه "افزودن به سبد خرید" کلیک کنید.
آنچه یاد خواهید گرفت:
- یادگیری ماشین چیست
- چه چیزی تحت نظارت، بدون نظارت و یادگیری تقویتی است
- نحوه استفاده از کتابخانه NumPy و پانداها
- نحوه استفاده از matplotlib برای رسم نمودارها
- کتابخانه Scikit-Learn چیست؟
- متدهای fit() و transform() چه کار می کنند؟
- چگونه داده های خود را از قبل پردازش کنیم
- چگونه از خطوط لوله و ترانسفورماتورهای ستونی برای ساده کردن کد خود استفاده کنیم
- چگونه مدل های خود را ارزیابی کنیم
- ماتریس سردرگمی چیست و چگونه آن را تفسیر کنیم
- رگرسیون، طبقه بندی و خوشه بندی چیست؟
- تئوری پشت رگرسیون خطی، رگرسیون چندگانه، درخت تصمیم، جنگل تصادفی، SVM و الگوریتم های خوشه بندی k-means چیست؟
- نحوه انجام جستجوی شبکه ای برای یافتن بهترین هایپرپارامترها
- قاعده سازی چیست
- چگونه ابعاد مجموعه داده خود را کاهش دهیم
و بیشتر...
در نهایت، از طریق سه پروژه عملی که نیاز به استفاده از تمام موضوعات تحت پوشش دارند، راهنمایی خواهید شد.
اکنون روی دکمه "افزودن به سبد خرید" کلیک کنید تا یادگیری ماشینی را شروع کنید و مدل های خود را بسازید.
ارسال نظر درباره جلد معمولی رنگی_کتاب Machine Learning With Python For Beginners: A Step-By-Step Guide with Hands-On Projects (Learn Coding Fast with Hands-On Project)