توضیحات
‘Machine learning applications are highly automated and self-modifying, and they continue to improve over time with minimal human intervention as they learn with more data. To address the complex nature of various real-world data problems, specialized machine learning algorithms have been developed that solve these problems perfectly. Data science helps you gain new knowledge from existing data through algorithmic and statistical analysis. This book will address the problems related to accurate and efficient data classification and prediction. Over the course of 7 days, you will be introduced to seven algorithms, along with exercises that will help you learn different aspects of machine learning. You will see how to pre-cluster your data to optimize and classify it for large datasets. You will then find out how to predict data based on the existing trends in your datasets. This book covers algorithms such as: k-Nearest Neighbors, Naive Bayes, Decision Trees, Random Forest, k-Means, Regression, and Time-series. On completion of the book, you will understand which machine learning algorithm to pick for clustering, classification, or regression and which is best suited for your problem’–Cover, page 4.
————————————————————–
ترجمه ماشینی :
«برنامههای یادگیری ماشینی بسیار خودکار هستند و خود تغییر میکنند و در طول زمان با کمترین مداخلهی انسانی، همچنان که با دادههای بیشتر یاد میگیرند، بهبود مییابند. برای پرداختن به ماهیت پیچیده مسائل مختلف داده های دنیای واقعی، الگوریتم های تخصصی یادگیری ماشینی توسعه داده شده اند که این مشکلات را به خوبی حل می کنند. علم داده به شما کمک می کند از طریق تجزیه و تحلیل الگوریتمی و آماری، دانش جدیدی را از داده های موجود به دست آورید. این کتاب به مشکلات مربوط به طبقه بندی و پیش بینی دقیق و کارآمد داده ها می پردازد. در طول 7 روز، با هفت الگوریتم همراه با تمرین هایی آشنا می شوید که به شما در یادگیری جنبه های مختلف یادگیری ماشین کمک می کند. خواهید دید که چگونه داده های خود را برای بهینه سازی و طبقه بندی برای مجموعه داده های بزرگ از پیش خوشه بندی کنید. سپس خواهید فهمید که چگونه داده ها را بر اساس روندهای موجود در مجموعه داده های خود پیش بینی کنید. این کتاب الگوریتمهایی مانند k-نزدیکترین همسایهها، Naive Bayes، Decision Trees، Random Forest، k-Means، Regression و Time-series را پوشش میدهد. پس از تکمیل کتاب، متوجه خواهید شد که کدام الگوریتم یادگیری ماشینی را برای خوشهبندی، طبقهبندی یا رگرسیون انتخاب کنید و کدام الگوریتم برای مشکل شما مناسبتر است – جلد، صفحه 4.
tag : دانلود کتاب الگوریتم های علم داده در یک هفته: تجزیه و تحلیل داده ها، یادگیری ماشین و موارد دیگر , Download الگوریتم های علم داده در یک هفته: تجزیه و تحلیل داده ها، یادگیری ماشین و موارد دیگر , دانلود الگوریتم های علم داده در یک هفته: تجزیه و تحلیل داده ها، یادگیری ماشین و موارد دیگر , Download Data science algorithms in a week: data analysis, machine learning, and more Book , الگوریتم های علم داده در یک هفته: تجزیه و تحلیل داده ها، یادگیری ماشین و موارد دیگر دانلود , buy الگوریتم های علم داده در یک هفته: تجزیه و تحلیل داده ها، یادگیری ماشین و موارد دیگر , خرید کتاب الگوریتم های علم داده در یک هفته: تجزیه و تحلیل داده ها، یادگیری ماشین و موارد دیگر , دانلود کتاب Data science algorithms in a week: data analysis, machine learning, and more , کتاب Data science algorithms in a week: data analysis, machine learning, and more , دانلود Data science algorithms in a week: data analysis, machine learning, and more , خرید Data science algorithms in a week: data analysis, machine learning, and more , خرید کتاب Data science algorithms in a week: data analysis, machine learning, and more ,
نقد و بررسیها
هنوز بررسیای ثبت نشده است.