دانلود کتاب Building Machine Learning and Deep Learning Models on Google Cloud Platform: A Comprehensive Guide for Beginners – ساختمان یادگیری ماشین و مدل های یادگیری عمیق در Google Cloud Platform: یک راهنمای جامع برای مبتدیان

توضیحات

Take a systematic approach to understanding the fundamentals of machine learning and deep learning from the ground up and how they are applied in practice. You will use this comprehensive guide for building and deploying learning models to address complex use cases while leveraging the computational resources of Google Cloud Platform.

Author Ekaba Bisong shows you how machine learning tools and techniques are used to predict or classify events based on a set of interactions between variables known as features or attributes in a particular dataset. He teaches you how deep learning extends the machine learning algorithm of neural networks to learn complex tasks that are difficult for computers to perform, such as recognizing faces and understanding languages. And you will know how to leverage cloud computing to accelerate data science and machine learning deployments.

Building Machine Learning and Deep Learning Models on Google Cloud Platform is divided into eight parts that cover the fundamentals of machine learning and deep learning, the concept of data science and cloud services, programming for data science using the Python stack, Google Cloud Platform (GCP) infrastructure and products, advanced analytics on GCP, and deploying end-to-end machine learning solution pipelines on GCP.

What Youll Learn

• Understand the principles and fundamentals of machine learning and deep learning, the algorithms, how to use them, when to use them, and how to interpret your results
• Know the programming concepts relevant to machine and deep learning design and development using the Python stack
• Build and interpret machine and deep learning models
• Use Google Cloud Platform tools and services to develop and deploy large-scale machine learning and deep learning products
• Be aware of the different facets and design choices to consider when modeling a learning problem
• Productionalize machine learning models into software products

Who This Book Is For

Beginners to the practice of data science and applied machine learning, data scientists at all levels, machine learning engineers, Google Cloud Platform data engineers/architects, and software developers

————————————————————–

ترجمه ماشینی :

برای درک اصول یادگیری ماشین و یادگیری عمیق از سطح زمین و نحوه استفاده از آنها در عمل یک رویکرد منظم اتخاذ کنید. شما از این راهنمای جامع برای ساخت و استفاده از مدل های یادگیری برای پرداختن به موارد استفاده پیچیده استفاده خواهید کرد در حالی که از منابع محاسباتی Google Cloud Platform استفاده می کنید. طبقه بندی رویدادها بر اساس مجموعه ای از تعامل بین متغیرهای معروف به ویژگی ها یا ویژگی ها در یک مجموعه داده خاص. او به شما می آموزد که چگونه یادگیری عمیق الگوریتم یادگیری ماشین شبکه های عصبی را گسترش می دهد تا کارهای پیچیده ای را که انجام رایانه ها دشوار است ، مانند شناخت چهره ها و درک زبانها ، یاد بگیرند. و شما می دانید که چگونه می توانید از محاسبات ابری برای تسریع در علم داده ها و استقرارهای یادگیری ماشین استفاده کنید. به هشت قسمت تقسیم می شود که اصول یادگیری ماشین و یادگیری عمیق ، مفهوم علم داده و خدمات ابری ، برنامه نویسی برای علم داده را با استفاده از پشته پایتون ، زیرساخت ها و محصولات پلت فرم Google Cloud (GCP) ، تجزیه و تحلیل پیشرفته در GCP ، و استفاده از خطوط لوله راه حل یادگیری ماشین پایان به پایان در GCP.

آنچه را که شما می آموزید اصول و اصول یادگیری ماشینی و یادگیری عمیق ، الگوریتم ها ، نحوه استفاده از آنها را ، چه زمانی از آنها استفاده کنید و چگونه می توانید نتایج خود را تفسیر کنید ، درک کنید. توسعه با استفاده از پشته پایتون