توضیحات
Get insight into data science techniques such as data engineering and visualization, statistical modeling, machine learning, and deep learning. This book teaches you how to select variables, optimize hyper parameters, develop pipelines, and train, test, and validate machine and deep learning models. Each chapter includes a set of examples allowing you to understand the concepts, assumptions, and procedures behind each model.
The book covers parametric methods or linear models that combat under- or over-fitting using techniques such as Lasso and Ridge. It includes complex regression analysis with time series smoothing, decomposition, and forecasting. It takes a fresh look at non-parametric models for binary classification (logistic regression analysis) and ensemble methods such as decision trees, support vector machines, and naive Bayes. It covers the most popular non-parametric method for time-event data (the Kaplan-Meier estimator). It also covers ways of solving classification problems using artificial neural networks such as restricted Boltzmann machines, multi-layer perceptrons, and deep belief networks. The book discusses unsupervised learning clustering techniques such as the K-means method, agglomerative and Dbscan approaches, and dimension reduction techniques such as Feature Importance, Principal Component Analysis, and Linear Discriminant Analysis. And it introduces driverless artificial intelligence using H2O.
After reading this book, you will be able to develop, test, validate, and optimize statistical machine learning and deep learning models, and engineer, visualize, and interpret sets of data.
What You Will Learn
- Design, develop, train, and validate machine learning and deep learning models
- Find optimal hyper parameters for superior model performance
- Improve model performance using techniques such as dimension reduction and regularization
- Extract meaningful insights for decision making using data visualization
Who This Book Is For
Beginning and intermediate level data scientists and machine learning engineers
————————————————————–
ترجمه ماشینی :
درباره تکنیکهای علم داده مانند مهندسی داده و تجسم، مدلسازی آماری، یادگیری ماشین و یادگیری عمیق بینش کسب کنید. این کتاب به شما می آموزد که چگونه متغیرها را انتخاب کنید، پارامترهای فوق را بهینه کنید، خطوط لوله را توسعه دهید، و مدل های یادگیری ماشینی و عمیق را آموزش دهید، آزمایش کنید و اعتبار سنجی کنید. هر فصل شامل مجموعهای از مثالها است که به شما امکان میدهد مفاهیم، مفروضات و رویههای پشت هر مدل را درک کنید.
این کتاب روشهای پارامتریک یا مدلهای خطی را پوشش میدهد که با استفاده از تکنیکهایی مانند کمند با کمنازش یا بیش از حد برازش مبارزه میکنند. و ریج. این شامل تحلیل رگرسیون پیچیده با هموارسازی سری های زمانی، تجزیه و پیش بینی است. این نگاهی تازه به مدلهای ناپارامتری برای طبقهبندی باینری (تحلیل رگرسیون لجستیک) و روشهای مجموعهای مانند درختهای تصمیم، ماشینهای بردار پشتیبان و بیز ساده میاندازد. این روش محبوب ترین روش ناپارامتریک برای داده های رویدادهای زمانی (برآورنده Kaplan-Meier) را پوشش می دهد. همچنین راههای حل مسائل طبقهبندی را با استفاده از شبکههای عصبی مصنوعی مانند ماشینهای محدود بولتزمن، پرسپترونهای چندلایه و شبکههای باور عمیق پوشش میدهد. این کتاب در مورد تکنیکهای خوشهبندی یادگیری بدون نظارت مانند روش K-means، رویکردهای تجمعی و Dbscan، و تکنیکهای کاهش ابعاد مانند اهمیت ویژگی، تجزیه و تحلیل مؤلفه اصلی، و تحلیل تشخیصی خطی بحث میکند. و هوش مصنوعی بدون راننده را با استفاده از H2O معرفی میکند.
پس از مطالعه این کتاب، میتوانید مدلهای یادگیری ماشین آماری و یادگیری عمیق را توسعه، آزمایش، اعتبارسنجی و بهینهسازی کنید، و مجموعهها را مهندسی، تجسم و تفسیر کنید. داده ها.
آنچه یاد خواهید گرفت
- طراحی، توسعه، آموزش، و اعتبارسنجی مدل های یادگیری ماشین و یادگیری عمیق پیدا کردن پارامترهای فوق بهینه برای عملکرد برتر مدل
- بهبود عملکرد مدل با استفاده از تکنیک هایی مانند کاهش ابعاد و منظم کردن
- استخراج بینش های معنادار برای تصمیم گیری با استفاده از تجسم داده ها
این کتاب برای چه کسانی است
دانشمندان داده در سطح ابتدایی و متوسط و مهندسین یادگیری ماشین
tag : دانلود کتاب علم داده آشکار شد: با مهندسی ویژگی، تجسم داده، توسعه خط لوله و تنظیم فراپارامتر , Download علم داده آشکار شد: با مهندسی ویژگی، تجسم داده، توسعه خط لوله و تنظیم فراپارامتر , دانلود علم داده آشکار شد: با مهندسی ویژگی، تجسم داده، توسعه خط لوله و تنظیم فراپارامتر , Download Data Science Revealed: With Feature Engineering, Data Visualization, Pipeline Development, and Hyperparameter Tuning Book , علم داده آشکار شد: با مهندسی ویژگی، تجسم داده، توسعه خط لوله و تنظیم فراپارامتر دانلود , buy علم داده آشکار شد: با مهندسی ویژگی، تجسم داده، توسعه خط لوله و تنظیم فراپارامتر , خرید کتاب علم داده آشکار شد: با مهندسی ویژگی، تجسم داده، توسعه خط لوله و تنظیم فراپارامتر , دانلود کتاب Data Science Revealed: With Feature Engineering, Data Visualization, Pipeline Development, and Hyperparameter Tuning , کتاب Data Science Revealed: With Feature Engineering, Data Visualization, Pipeline Development, and Hyperparameter Tuning , دانلود Data Science Revealed: With Feature Engineering, Data Visualization, Pipeline Development, and Hyperparameter Tuning , خرید Data Science Revealed: With Feature Engineering, Data Visualization, Pipeline Development, and Hyperparameter Tuning , خرید کتاب Data Science Revealed: With Feature Engineering, Data Visualization, Pipeline Development, and Hyperparameter Tuning ,
نقد و بررسیها
هنوز بررسیای ثبت نشده است.