توضیحات
Explore the exciting world of machine learning with the fastest growing technology in the world Key Features Understand various machine learning concepts with real-world examples Implement a supervised machine learning pipeline from data ingestion to validation Gain insights into how you can use machine learning in everyday life Book Description Machine learning–the ability of a machine to give right answers based on input data–has revolutionized the way we do business. Applied Supervised Learning with Python provides a rich understanding of how you can apply machine learning techniques in your data science projects using Python. You’ll explore Jupyter Notebooks, the technology used commonly in academic and commercial circles with in-line code running support. With the help of fun examples, you’ll gain experience working on the Python machine learning toolkit–from performing basic data cleaning and processing to working with a range of regression and classification algorithms. Once you’ve grasped the basics, you’ll learn how to build and train your own models using advanced techniques such as decision trees, ensemble modeling, validation, and error metrics. You’ll also learn data visualization techniques using powerful Python libraries such as Matplotlib and Seaborn. This book also covers ensemble modeling and random forest classifiers along with other methods for combining results from multiple models, and concludes by delving into cross-validation to test your algorithm and check how well the model works on unseen data. By the end of this book, you’ll be equipped to not only work with machine learning algorithms, but also be able to create some of your own! What you will learn Understand the concept of supervised learning and its applications Implement common supervised learning algorithms using machine learning Python libraries Validate models using the k-fold technique Build your models with decision trees to get results effortlessly Use ensemble modeling techniques to improve the performance of your model Apply a variety of metrics to compare machine learning models Who this book is for Applied Supervised Learning with Python is for you if you want to gain a solid understanding of machine learning using Python. It’ll help if you to have some experience in any functional or object-oriented language and a basic understanding of Python libraries and expressions, such as arrays and dictionaries.
————————————————————–
ترجمه ماشینی :
کاوش دنیای هیجان انگیز یادگیری ماشینی با سریع ترین فناوری در حال رشد در جهان ویژگی های کلیدی درک مفاهیم مختلف یادگیری ماشین با مثال های دنیای واقعی پیاده سازی یک خط لوله یادگیری ماشینی نظارت شده از دریافت داده ها تا اعتبارسنجی کسب بینش در مورد نحوه استفاده از یادگیری ماشینی در زندگی روزمره شرح کتاب یادگیری ماشینی – توانایی یک ماشین برای دادن پاسخهای درست بر اساس دادههای ورودی – روش کسب و کار ما را متحول کرده است. یادگیری نظارتی کاربردی با پایتون درک کاملی از نحوه استفاده از تکنیک های یادگیری ماشین در پروژه های علم داده خود با استفاده از پایتون ارائه می دهد. شما نوت بوک های Jupyter را بررسی خواهید کرد، فناوری که معمولاً در محافل دانشگاهی و تجاری با پشتیبانی از اجرای کدهای درون خطی استفاده می شود. با کمک مثالهای سرگرمکننده، تجربه کار بر روی جعبه ابزار یادگیری ماشین پایتون را به دست خواهید آورد – از انجام تمیز کردن و پردازش دادههای اولیه تا کار با طیف وسیعی از الگوریتمهای رگرسیون و طبقهبندی. هنگامی که اصول اولیه را درک کردید، یاد خواهید گرفت که چگونه با استفاده از تکنیک های پیشرفته مانند درخت تصمیم، مدل سازی مجموعه، اعتبارسنجی و معیارهای خطا، مدل های خود را بسازید و آموزش دهید. همچنین تکنیک های تجسم داده ها را با استفاده از کتابخانه های قدرتمند پایتون مانند Matplotlib و Seaborn یاد خواهید گرفت. این کتاب همچنین مدلسازی گروهی و طبقهبندیکنندههای تصادفی جنگل را همراه با روشهای دیگر برای ترکیب نتایج حاصل از مدلهای متعدد پوشش میدهد و با بررسی اعتبار متقابل برای آزمایش الگوریتم شما و بررسی میزان عملکرد مدل بر روی دادههای دیده نشده، به پایان میرسد. در پایان این کتاب، نه تنها با الگوریتمهای یادگیری ماشین کار میکنید، بلکه میتوانید برخی از الگوریتمهای خود را نیز بسازید! آنچه خواهید آموخت درک مفهوم یادگیری نظارت شده و کاربردهای آن پیاده سازی الگوریتم های یادگیری تحت نظارت متداول با استفاده از کتابخانه های یادگیری ماشین پایتون اعتبارسنجی مدل ها با استفاده از تکنیک k-fold مدل های خود را با درخت های تصمیم بسازید تا بدون زحمت نتایج را به دست آورید از تکنیک های مدل سازی گروهی برای بهبود عملکرد استفاده کنید. مدل شما معیارهای مختلفی را برای مقایسه مدلهای یادگیری ماشین اعمال کنید اگر میخواهید درک کاملی از یادگیری ماشین با استفاده از پایتون به دست آورید، این کتاب برای یادگیری نظارت کاربردی با پایتون چه کسی است. اگر تجربه ای در هر زبان کاربردی یا شی گرا داشته باشید و درک اولیه ای از کتابخانه ها و عبارات پایتون، مانند آرایه ها و فرهنگ لغت ها داشته باشید، به شما کمک خواهد کرد.
tag : دانلود کتاب یادگیری نظارت شده کاربردی با پایتون: از Scikit-Learn برای ساخت مدل های پیش بینی از مجموعه داده های دنیای واقعی استفاده کنید و خود را برای آینده یادگیری ماشین آماده کنید. , Download یادگیری نظارت شده کاربردی با پایتون: از Scikit-Learn برای ساخت مدل های پیش بینی از مجموعه داده های دنیای واقعی استفاده کنید و خود را برای آینده یادگیری ماشین آماده کنید. , دانلود یادگیری نظارت شده کاربردی با پایتون: از Scikit-Learn برای ساخت مدل های پیش بینی از مجموعه داده های دنیای واقعی استفاده کنید و خود را برای آینده یادگیری ماشین آماده کنید. , Download Applied Supervised Learning with Python: Use Scikit-Learn to Build Predictive Models from Real-world Datasets and Prepare Yourself for the Future of Machine Learning Book , یادگیری نظارت شده کاربردی با پایتون: از Scikit-Learn برای ساخت مدل های پیش بینی از مجموعه داده های دنیای واقعی استفاده کنید و خود را برای آینده یادگیری ماشین آماده کنید. دانلود , buy یادگیری نظارت شده کاربردی با پایتون: از Scikit-Learn برای ساخت مدل های پیش بینی از مجموعه داده های دنیای واقعی استفاده کنید و خود را برای آینده یادگیری ماشین آماده کنید. , خرید کتاب یادگیری نظارت شده کاربردی با پایتون: از Scikit-Learn برای ساخت مدل های پیش بینی از مجموعه داده های دنیای واقعی استفاده کنید و خود را برای آینده یادگیری ماشین آماده کنید. , دانلود کتاب Applied Supervised Learning with Python: Use Scikit-Learn to Build Predictive Models from Real-world Datasets and Prepare Yourself for the Future of Machine Learning , کتاب Applied Supervised Learning with Python: Use Scikit-Learn to Build Predictive Models from Real-world Datasets and Prepare Yourself for the Future of Machine Learning , دانلود Applied Supervised Learning with Python: Use Scikit-Learn to Build Predictive Models from Real-world Datasets and Prepare Yourself for the Future of Machine Learning , خرید Applied Supervised Learning with Python: Use Scikit-Learn to Build Predictive Models from Real-world Datasets and Prepare Yourself for the Future of Machine Learning , خرید کتاب Applied Supervised Learning with Python: Use Scikit-Learn to Build Predictive Models from Real-world Datasets and Prepare Yourself for the Future of Machine Learning ,
دیدگاهها
هیچ دیدگاهی برای این محصول نوشته نشده است.