دانلود کتاب Graph-Powered Machine Learning – یادگیری ماشینی مبتنی بر نمودار

توضیحات

Upgrade your machine learning models with graph-based algorithms, the perfect structure for complex and interlinked data.

Summary

In Graph-Powered Machine Learning, you will learn:

The lifecycle of a machine learning project

Graphs in big data platforms

Data source modeling using graphs

Graph-based natural language processing, recommendations, and fraud detection techniques

Graph algorithms

Working with Neo4J

Graph-Powered Machine Learning teaches to use graph-based algorithms and data organization strategies to develop superior machine learning applications. Youll dive into the role of graphs in machine learning and big data platforms, and take an in-depth look at data source modeling, algorithm design, recommendations, and fraud detection. Explore end-to-end projects that illustrate architectures and help you optimize with best design practices. Author Alessandro Negros extensive experience shines through in every chapter, as you learn from examples and concrete scenarios based on his work with real clients!

Purchase of the print book includes a free eBook in PDF, Kindle, and ePub formats from Manning Publications.

About the technology

Identifying relationships is the foundation of machine learning. By recognizing and analyzing the connections in your data, graph-centric algorithms like K-nearest neighbor or PageRank radically improve the effectiveness of ML applications. Graph-based machine learning techniques offer a powerful new perspective for machine learning in social networking, fraud detection, natural language processing, and recommendation systems.

About the book

Graph-Powered Machine Learning teaches you how to exploit the natural relationships in structured and unstructured datasets using graph-oriented machine learning algorithms and tools. In this authoritative book, youll master the architectures and design practices of graphs, and avoid common pitfalls. Author Alessandro Negro explores examples from real-world applications that connect GraphML concepts to real world tasks.

What’s inside

Graphs in big data platforms

Recommendations, natural language processing, fraud detection

Graph algorithms

Working with the Neo4J graph database

About the reader

For readers comfortable with machine learning basics.

About the author

Alessandro Negro is Chief Scientist at GraphAware. He has been a speaker at many conferences, and holds a PhD in Computer Science.

Table of Contents

PART 1 INTRODUCTION

1 Machine learning and graphs: An introduction

2 Graph data engineering

3 Graphs in machine learning applications

PART 2 RECOMMENDATIONS

4 Content-based recommendations

5 Collaborative filtering

6 Session-based recommendations

7 Context-aware and hybrid recommendations

PART 3 FIGHTING FRAUD

8 Basic approaches to graph-powered fraud detection

9 Proximity-based algorithms

10 Social network analysis against fraud

PART 4 TAMING TEXT WITH GRAPHS

11 Graph-based natural language processing

12 Knowledge graphs

————————————————————–

ترجمه ماشینی :

مدل‌های یادگیری ماشین خود را با الگوریتم‌های مبتنی بر نمودار ارتقا دهید، ساختاری عالی برای داده‌های پیچیده و به هم پیوسته. خلاصه در یادگیری ماشینی مبتنی بر نمودار، یاد خواهید گرفت: چرخه حیات یک پروژه یادگیری ماشین نمودارها در پلتفرم‌های کلان داده مدل‌سازی منبع داده با استفاده از نمودارها پردازش زبان طبیعی مبتنی بر نمودار، توصیه‌ها و تکنیک‌های تشخیص تقلب الگوریتم‌های نمودار کار با Neo4J ماشین مبتنی بر نمودار یادگیری استفاده از الگوریتم‌های مبتنی بر نمودار و استراتژی‌های سازماندهی داده‌ها را برای توسعه برنامه‌های یادگیری ماشین برتر آموزش می‌دهد. نقش نمودارها را در یادگیری ماشین و پلتفرم‌های کلان داده بررسی می‌کنید و نگاهی عمیق به مدل‌سازی منبع داده، طراحی الگوریتم، توصیه‌ها و تشخیص تقلب بیندازید. پروژه‌های سرتاسری را کاوش کنید که معماری‌ها را نشان می‌دهند و به شما کمک می‌کنند با بهترین شیوه‌های طراحی بهینه‌سازی کنید. نویسنده الساندرو نگروس تجربه گسترده ای در هر فصل می درخشد، همانطور که شما از نمونه ها و سناریوهای ملموس بر اساس کار او با مشتریان واقعی یاد می گیرید! خرید کتاب چاپی شامل یک کتاب الکترونیکی رایگان در قالب‌های PDF، Kindle و ePub از انتشارات منینگ است. درباره فناوری شناسایی روابط پایه و اساس یادگیری ماشین است. با شناسایی و تجزیه و تحلیل اتصالات در داده‌های شما، الگوریتم‌های گراف محور مانند K-nearest همسایه یا PageRank به طور اساسی کارایی برنامه‌های کاربردی ML را بهبود می‌بخشند. تکنیک‌های یادگیری ماشینی مبتنی بر نمودار دیدگاه جدیدی را برای یادگیری ماشین در شبکه‌های اجتماعی، تشخیص تقلب، پردازش زبان طبیعی و سیستم‌های توصیه ارائه می‌دهند. درباره کتاب آموزش ماشینی مبتنی بر نمودار به شما می آموزد که چگونه از روابط طبیعی در مجموعه داده های ساختاریافته و بدون ساختار با استفاده از الگوریتم ها و ابزارهای یادگیری ماشین گراف گرا استفاده کنید. در این کتاب معتبر، به معماری و شیوه‌های طراحی نمودارها تسلط خواهید داشت و از دام‌های رایج اجتناب می‌کنید. نویسنده Alessandro Negro نمونه هایی از برنامه های کاربردی دنیای واقعی را بررسی می کند که مفاهیم GraphML را به وظایف دنیای واقعی متصل می کند. آنچه در داخل است نمودارها در پلتفرم های کلان داده توصیه ها، پردازش زبان طبیعی، تشخیص تقلب الگوریتم های نمودار کار با پایگاه داده گراف Neo4J درباره خواننده برای خوانندگانی که با اصول یادگیری ماشینی راحت هستند. درباره نویسنده الساندرو نگرو دانش

tag : دانلود کتاب یادگیری ماشینی مبتنی بر نمودار , Download یادگیری ماشینی مبتنی بر نمودار , دانلود یادگیری ماشینی مبتنی بر نمودار , Download Graph-Powered Machine Learning Book , یادگیری ماشینی مبتنی بر نمودار دانلود , buy یادگیری ماشینی مبتنی بر نمودار , خرید کتاب یادگیری ماشینی مبتنی بر نمودار , دانلود کتاب Graph-Powered Machine Learning , کتاب Graph-Powered Machine Learning , دانلود Graph-Powered Machine Learning , خرید Graph-Powered Machine Learning , خرید کتاب Graph-Powered Machine Learning ,