توضیحات
Powerful smart applications using deep learning algorithms to dominate numerical computing, deep learning, and functional programming.
Key Features
- Explore machine learning techniques with prominent open source Scala libraries such as Spark ML, H2O, MXNet, Zeppelin, and DeepLearning4j
- Solve real-world machine learning problems by delving complex numerical computing with Scala functional programming in a scalable and faster way
- Cover all key aspects such as collection, storing, processing, analyzing, and evaluation required to build and deploy machine models on computing clusters using Scala Play framework.
Book Description
Machine learning has had a huge impact on academia and industry by turning data into actionable information. Scala has seen a steady rise in adoption over the past few years, especially in the fields of data science and analytics. This book is for data scientists, data engineers, and deep learning enthusiasts who have a background in complex numerical computing and want to know more hands-on machine learning application development.
If you’re well versed in machine learning concepts and want to expand your knowledge by delving into the practical implementation of these concepts using the power of Scala, then this book is what you need! Through 11 end-to-end projects, you will be acquainted with popular machine learning libraries such as Spark ML, H2O, DeepLearning4j, and MXNet.
At the end, you will be able to use numerical computing and functional programming to carry out complex numerical tasks to develop, build, and deploy research or commercial projects in a production-ready environment.
What you will learn
- Apply advanced regression techniques to boost the performance of predictive models
- Use different classification algorithms for business analytics
- Generate trading strategies for Bitcoin and stock trading using ensemble techniques
- Train Deep Neural Networks (DNN) using H2O and Spark ML
- Utilize NLP to build scalable machine learning models
- Learn how to apply reinforcement learning algorithms such as Q-learning for developing ML application
- Learn how to use autoencoders to develop a fraud detection application
- Implement LSTM and CNN models using DeepLearning4j and MXNet
Who This Book Is For
If you want to leverage the power of both Scala and Spark to make sense of Big Data, then this book is for you. If you are well versed with machine learning concepts and wants to expand your knowledge by delving into the practical implementation using the power of Scala, then this book is what you need! Strong understanding of Scala Programming language is recommended. Basic familiarity with machine Learning techniques will be more helpful.
Table of Contents
- Analyzing Insurance Severity Claim
- Analyzing Outgoing Customers through Churn Prediction
- High Frequency Bitcoin Price Prediction from Historical and Live Data
- Population Scale Clustering and Ethnicity Analysis
- Topic Modelling in NLP: A Better Insight to Large-Scale Texts
- Model-based Movie Recommendation Engine
- Deep Reinforcement Learning using Markov Decision Process (MDP)
- Using Deep Belief Networks in Bank Marketing
- Fraud Analytics using Autoencoders and Anomaly Detection
- Human Activity Recognition using RNN
- Image Classification using CNN
————————————————————–
ترجمه ماشینی :
برنامههای هوشمند قدرتمند با استفاده از الگوریتمهای یادگیری عمیق برای تسلط بر محاسبات عددی، یادگیری عمیق، و برنامهنویسی کاربردی.
ویژگیهای کلیدی
- کاوش در ماشین تکنیکهای یادگیری با کتابخانههای منبع باز برجسته Scala مانند Spark ML، H2O، MXNet، Zeppelin، و DeepLearning4j
- حل مشکلات یادگیری ماشین در دنیای واقعی با بررسی محاسبات عددی پیچیده با برنامهنویسی تابعی Scala به روشی مقیاسپذیر و سریعتر
- تمام جنبههای کلیدی مانند جمعآوری، ذخیرهسازی، پردازش، تجزیه و تحلیل و ارزیابی مورد نیاز برای ساخت و استقرار مدلهای ماشین روی خوشههای محاسباتی با استفاده از چارچوب Scala Play را پوشش میدهد.
Book. توضیحات
یادگیری ماشینی با تبدیل داده ها به اطلاعات عملی تأثیر زیادی بر دانشگاه و صنعت داشته است. اسکالا در چند سال گذشته افزایش مداومی در پذیرش داشته است، به ویژه در زمینه های علم داده و تجزیه و تحلیل. این کتاب برای دانشمندان داده، مهندسان داده و علاقه مندان به یادگیری عمیق است که پیشینه ای در محاسبات عددی پیچیده دارند و می خواهند بیشتر توسعه اپلیکیشن یادگیری ماشین را بدانند.
اگر به مفاهیم یادگیری ماشین آشنایی کامل دارید و میخواهید دانش خود را با کاوش در اجرای عملی این مفاهیم با استفاده از قدرت Scala گسترش دهید، پس این کتاب همان چیزی است که به آن نیاز دارید! از طریق 11 پروژه پایان به انتها، با کتابخانه های معروف یادگیری ماشینی مانند Spark ML، H2O، DeepLearning4j و MXNet آشنا خواهید شد.
در پایان، می توانید از محاسبات عددی و برنامه نویسی تابعی برای انجام وظایف عددی پیچیده برای توسعه، ساخت و استقرار پروژه های تحقیقاتی یا تجاری در یک محیط آماده برای تولید.
آنچه خواهید آموخت
- از رگرسیون پیشرفته استفاده کنید. تکنیک هایی برای افزایش عملکرد مدل های پیش بینی کننده
- استفاده از الگوریتم های طبقه بندی مختلف برای تجزیه و تحلیل کسب و کار
- ایجاد استراتژی های معاملاتی برای بیت کوین و معاملات سهام با استفاده از تکنیک های مجموعه
- Train Deep Neural شبکهها (DNN) با استفاده از H2O و Spark ML
- استفاده از NLP برای ساخت مدلهای یادگیری ماشینی مقیاسپذیر
- با نحوه اعمال الگوریتمهای یادگیری تقویتی مانند یادگیری Q برای توسعه برنامه ML آشنا شوید
- با نحوه استفاده از رمزگذارهای خودکار برای توسعه یک برنامه تشخیص تقلب آشنا شوید
- مدل های LSTM و CNN را با استفاده از DeepLearning4j و MXNet پیاده سازی کنید
این کتاب برای چه کسی است
اگر می خواهید از قدرت Scala و Spark برای درک داده های بزرگ استفاده کنید، این کتاب برای شما مناسب است. اگر با مفاهیم یادگیری ماشینی آشنا هستید و میخواهید با استفاده از قدرت Scala، دانش خود را گسترش دهید، این کتاب همان چیزی است که شما نیاز دارید! درک قوی از زبان برنامه نویسی اسکالا توصیه می شود. آشنایی اولیه با تکنیک های یادگیری ماشینی مفیدتر خواهد بود.
فهرست مطالب
- تجزیه و تحلیل ادعای شدت بیمه
- تجزیه و تحلیل مشتریان خروجی از طریق پیش بینی ریزش
- li>
- پیشبینی قیمت بیتکوین با فرکانس بالا از دادههای تاریخی و زنده
- خوشهبندی مقیاس جمعیت و تجزیه و تحلیل قومیتی
- مدلسازی موضوع در NLP: بینشی بهتر برای متون در مقیاس بزرگ
- li>
- موتور توصیه فیلم مبتنی بر مدل
- یادگیری تقویتی عمیق با استفاده از فرآیند تصمیم گیری مارکوف (MDP)
- استفاده از شبکه های باور عمیق در بازاریابی بانکی
- کلاهبرداری تجزیه و تحلیل با استفاده از رمزگذارهای خودکار و تشخیص ناهنجاری
- تشخیص فعالیت انسانی با استفاده از RNN
- طبقه بندی تصویر با استفاده از CNN
tag : دانلود کتاب پروژه های یادگیری ماشینی اسکالا: با اسکالا (نسخه انگلیسی) پروژه های یادگیری ماشینی و یادگیری عمیق در دنیای واقعی بسازید. , Download پروژه های یادگیری ماشینی اسکالا: با اسکالا (نسخه انگلیسی) پروژه های یادگیری ماشینی و یادگیری عمیق در دنیای واقعی بسازید. , دانلود پروژه های یادگیری ماشینی اسکالا: با اسکالا (نسخه انگلیسی) پروژه های یادگیری ماشینی و یادگیری عمیق در دنیای واقعی بسازید. , Download Scala Machine Learning Projects: Build real-world machine learning and deep learning projects with Scala (English Edition) Book , پروژه های یادگیری ماشینی اسکالا: با اسکالا (نسخه انگلیسی) پروژه های یادگیری ماشینی و یادگیری عمیق در دنیای واقعی بسازید. دانلود , buy پروژه های یادگیری ماشینی اسکالا: با اسکالا (نسخه انگلیسی) پروژه های یادگیری ماشینی و یادگیری عمیق در دنیای واقعی بسازید. , خرید کتاب پروژه های یادگیری ماشینی اسکالا: با اسکالا (نسخه انگلیسی) پروژه های یادگیری ماشینی و یادگیری عمیق در دنیای واقعی بسازید. , دانلود کتاب Scala Machine Learning Projects: Build real-world machine learning and deep learning projects with Scala (English Edition) , کتاب Scala Machine Learning Projects: Build real-world machine learning and deep learning projects with Scala (English Edition) , دانلود Scala Machine Learning Projects: Build real-world machine learning and deep learning projects with Scala (English Edition) , خرید Scala Machine Learning Projects: Build real-world machine learning and deep learning projects with Scala (English Edition) , خرید کتاب Scala Machine Learning Projects: Build real-world machine learning and deep learning projects with Scala (English Edition) ,

نقد و بررسیها
هنوز بررسیای ثبت نشده است.