توضیحات
Create AI applications in Python and lay the foundations for your career in data science
Key Features
- Practical examples that explain key machine learning algorithms
- Explore neural networks in detail with interesting examples
- Master core AI concepts with engaging activities
Book Description
Machine learning and neural networks are pillars on which you can build intelligent applications. Artificial Intelligence and Machine Learning Fundamentals begins by introducing you to Python and discussing AI search algorithms. You will cover in-depth mathematical topics, such as regression and classification, illustrated by Python examples.
As you make your way through the book, you will progress to advanced AI techniques and concepts, and work on real-life datasets to form decision trees and clusters. You will be introduced to neural networks, a powerful tool based on Moore’s law.
By the end of this book, you will be confident when it comes to building your own AI applications with your newly acquired skills!
What you will learn
- Understand the importance, principles, and fields of AI
- Implement basic artificial intelligence concepts with Python
- Apply regression and classification concepts to real-world problems
- Perform predictive analysis using decision trees and random forests
- Carry out clustering using the k-means and mean shift algorithms
- Understand the fundamentals of deep learning via practical examples
Who this book is for
Artificial Intelligence and Machine Learning Fundamentals is for software developers and data scientists who want to enrich their projects with machine learning. You do not need any prior experience in AI. However, it’s recommended that you have knowledge of high school-level mathematics and at least one programming language (preferably Python).
Table of Contents
- Principles of Artificial Intelligence
- AI with Search Techniques and Games
- Regression
- Classification
- Using Trees for Predictive Analysis
- Clustering
- Deep Learning with Neural Networks
————————————————————–
ترجمه ماشینی :
برنامههای هوش مصنوعی را در پایتون ایجاد کنید و پایههای حرفه خود را در علم داده ایجاد کنید
ویژگیهای کلیدی
- نمونههای عملی که الگوریتمهای کلیدی یادگیری ماشین را توضیح میدهند
- شبکههای عصبی را با جزئیات با مثالهای جالب کاوش کنید
- مفاهیم اصلی هوش مصنوعی را با فعالیتهای جذاب تسلط پیدا کنید
توضیحات کتاب
یادگیری ماشین و شبکههای عصبی ستونهایی هستند که میتوانید بر روی آنها برنامههای کاربردی هوشمند بسازید. مبانی هوش مصنوعی و یادگیری ماشین با معرفی پایتون و بحث در مورد الگوریتم های جستجوی هوش مصنوعی آغاز می شود. شما موضوعات ریاضی عمیقی مانند رگرسیون و طبقه بندی را که با مثال های پایتون نشان داده شده اند پوشش خواهید داد.
همانطور که کتاب را طی میکنید، به سمت تکنیکها و مفاهیم پیشرفته هوش مصنوعی پیش میروید و روی مجموعه دادههای واقعی کار میکنید تا درختها و خوشههای تصمیمگیری را تشکیل دهید. شما با شبکه های عصبی، ابزاری قدرتمند بر اساس قانون مور آشنا خواهید شد.
در پایان این کتاب، وقتی نوبت به ساختن اپلیکیشنهای هوش مصنوعی خود با مهارتهای تازه بهدستآمدهتان میرسد، مطمئن خواهید بود!
آنچه یاد خواهید گرفت
- اهمیت، اصول و زمینههای هوش مصنوعی را درک کنید
- پیاده سازی مفاهیم اولیه هوش مصنوعی با پایتون
- اعمال رگرسیون و مفاهیم طبقه بندی برای مسائل دنیای واقعی
- انجام تجزیه و تحلیل پیش بینی با استفاده از درختان تصمیم گیری و جنگل های تصادفی
- درک اصول یادگیری عمیق از طریق مثال های عملی
< li>خوشه بندی را با استفاده از الگوریتم های k-means و mean shift انجام دهید
این کتاب برای چه کسی است
مبانی هوش مصنوعی و یادگیری ماشین برای نرم افزار است توسعه دهندگان و دانشمندان داده که می خواهند پروژه های خود را با یادگیری ماشین غنی کنند. شما نیازی به تجربه قبلی در زمینه هوش مصنوعی ندارید. با این حال، توصیه می شود که دانش ریاضیات سطح دبیرستان و حداقل یک زبان برنامه نویسی (ترجیحا پایتون) داشته باشید.
نقد و بررسیها
هنوز بررسیای ثبت نشده است.