Product details
- Publisher : O'Reilly Media; 1st edition (November 1, 2016)
- Language : English
- Paperback : 400 pages
- ISBN-10 : 1449369413
-
ISBN-13 : 978-1449369415
جلد سخت رنگی_کتاب Introduction to Machine Learning with Python: A Guide for Data Scientists 1st Edition
Machine learning has become an integral part of many commercial applications and research projects, but this field is not exclusive to large companies with extensive research teams. If you use Python, even as a beginner, this book will teach you practical ways to build your own machine learning solutions. With all the data available today, machine learning applications are limited only by your imagination.
You’ll learn the steps necessary to create a successful machine-learning application with Python and the scikit-learn library. Authors Andreas Müller and Sarah Guido focus on the practical aspects of using machine learning algorithms, rather than the math behind them. Familiarity with the NumPy and matplotlib libraries will help you get even more from this book.
With this book, you’ll learn:
- Fundamental concepts and applications of machine learning
- Advantages and shortcomings of widely used machine learning algorithms
- How to represent data processed by machine learning, including which data aspects to focus on
- Advanced methods for model evaluation and parameter tuning
- The concept of pipelines for chaining models and encapsulating your workflow
- Methods for working with text data, including text-specific processing techniques
- Suggestions for improving your machine learning and data science skills.
منابع کتاب جلد سخت رنگی_کتاب Introduction to Machine Learning with Python: A Guide for Data Scientists 1st Edition
یادگیری ماشین به بخشی جدایی ناپذیر از بسیاری از برنامه های کاربردی تجاری و پروژه های تحقیقاتی تبدیل شده است، اما این زمینه منحصر به شرکت های بزرگ با تیم های تحقیقاتی گسترده نیست. اگر حتی به عنوان یک مبتدی از پایتون استفاده می کنید، این کتاب راه های عملی برای ساخت راه حل های یادگیری ماشین خود را به شما آموزش می دهد. با تمام داده‌های موجود امروز، برنامه‌های یادگیری ماشین تنها با تخیل شما محدود می‌شوند.
مراحل لازم برای ایجاد یک برنامه یادگیری ماشینی موفق با پایتون و کتابخانه scikit-learn را خواهید آموخت. نویسندگان آندریاس مولر و سارا گویدو بر جنبه‌های عملی استفاده از الگوریتم‌های یادگیری ماشین تمرکز می‌کنند، نه ریاضیات پشت آن‌ها. آشنایی با کتابخانه های NumPy و matplotlib به شما کمک می کند تا از این کتاب بیشتر بهره ببرید.
با این کتاب یاد خواهید گرفت:
- مفاهیم اساسی و کاربردهای یادگیری ماشینی
- مزایا و کاستی های الگوریتم های یادگیری ماشینی پرکاربرد
- نحوه نمایش داده های پردازش شده توسط یادگیری ماشین، از جمله اینکه روی کدام جنبه های داده تمرکز کنیم
- روش های پیشرفته برای ارزیابی مدل و تنظیم پارامتر
- مفهوم خطوط لوله برای زنجیره‌بندی مدل‌ها و محصور کردن گردش کار شما
- روش‌های کار با داده‌های متنی، از جمله تکنیک‌های پردازش متن خاص
- پیشنهادهایی برای بهبود یادگیری ماشینی و مهارت های علم داده.
ارسال نظر درباره جلد سخت رنگی_کتاب Introduction to Machine Learning with Python: A Guide for Data Scientists 1st Edition