توضیحات
Learn to build powerful machine learning models quickly and deploy large-scale predictive applications
About This Book
Design, engineer and deploy scalable machine learning solutions with the power of Python
Take command of Hadoop and Spark with Python for effective machine learning on a map reduce framework
Build state-of-the-art models and develop personalized recommendations to perform machine learning at scale
Who This Book Is For
This book is for anyone who intends to work with large and complex data sets. Familiarity with basic Python and machine learning concepts is recommended. Working knowledge in statistics and computational mathematics would also be helpful.
What You Will Learn
Apply the most scalable machine learning algorithms
Work with modern state-of-the-art large-scale machine learning techniques
Increase predictive accuracy with deep learning and scalable data-handling techniques
Improve your work by combining the MapReduce framework with Spark
Build powerful ensembles at scale
Use data streams to train linear and non-linear predictive models from extremely large datasets using a single machine
In Detail
Large Python machine learning projects involve new problems associated with specialized machine learning architectures and designs that many data scientists have yet to tackle. But finding algorithms and designing and building platforms that deal with large sets of data is a growing need. Data scientists have to manage and maintain increasingly complex data projects, and with the rise of big data comes an increasing demand for computational and algorithmic efficiency. Large Scale Machine Learning with Python uncovers a new wave of machine learning algorithms that meet scalability demands together with a high predictive accuracy.
Dive into scalable machine learning and the three forms of scalability. Speed up algorithms that can be used on a desktop computer with tips on parallelization and memory allocation. Get to grips with new algorithms that are specifically designed for large projects and can handle bigger files, and learn about machine learning in big data environments. We will also cover the most effective machine learning techniques on a map reduce framework in Hadoop and Spark in Python.
Style and Approach
This efficient and practical title is stuffed full of the techniques, tips and tools you need to ensure your large scale Python machine learning runs swiftly and seamlessly.
Large-scale machine learning tackles a different issue to what is currently on the market. Those working with Hadoop clusters and in data intensive environments can now learn effective ways of building powerful machine learning models from prototype to production.
This book is written in a style that programmers from other languages (R, Julia, Java, Matlab) can follow.
————————————————————–
ترجمه ماشینی :
آموزش ساخت سریع مدلهای یادگیری ماشینی قدرتمند و استقرار برنامههای پیشبینی در مقیاس بزرگ درباره این کتاب راهحلهای یادگیری ماشینی مقیاسپذیر را با قدرت پایتون طراحی، مهندسی و استقرار دهید برای یادگیری ماشین مؤثر بر روی Hadoop و Spark با پایتون فرمان بگیرید. چارچوب کاهش نقشه ساخت مدلهای پیشرفته و توسعه توصیههای شخصیسازی شده برای انجام یادگیری ماشینی در مقیاس \ این کتاب برای چه کسی است این کتاب برای هر کسی است که قصد دارد با مجموعه دادههای بزرگ و پیچیده کار کند. آشنایی با مفاهیم پایه پایتون و یادگیری ماشین توصیه می شود. دانش کار در آمار و ریاضیات محاسباتی نیز مفید خواهد بود. آنچه یاد خواهید گرفت مقیاس پذیرترین الگوریتم های یادگیری ماشین را بکار ببرید با تکنیک های مدرن یادگیری ماشینی در مقیاس بزرگ کار کنید دقت پیش بینی را با یادگیری عمیق و تکنیک های مدیریت داده مقیاس پذیر افزایش دهید با ترکیب کار خود را بهبود بخشید چارچوب MapReduce با Spark ساخت مجموعههای قدرتمند در مقیاس استفاده از جریانهای داده برای آموزش مدلهای پیشبینی خطی و غیرخطی از مجموعه دادههای بسیار بزرگ با استفاده از یک ماشین واحد در جزئیات پروژههای یادگیری ماشینی Python بزرگ شامل مشکلات جدید مرتبط با یادگیری ماشینی تخصصی است. معماری ها و طرح هایی که بسیاری از دانشمندان داده هنوز به مقابله با آنها نپرداخته اند. اما یافتن الگوریتمها و طراحی و ساختن پلتفرمهایی که با مجموعههای بزرگی از دادهها سروکار دارند، یک نیاز رو به رشد است. دانشمندان داده باید پروژههای دادهای پیچیده را مدیریت و نگهداری کنند، و با افزایش دادههای بزرگ، تقاضا برای کارایی محاسباتی و الگوریتمی افزایش مییابد. یادگیری ماشینی در مقیاس بزرگ با پایتون موج جدیدی از الگوریتمهای یادگیری ماشین را آشکار میکند که نیازهای مقیاسپذیری را همراه با دقت پیشبینی بالا برآورده میکنند. در یادگیری ماشین مقیاس پذیر و سه شکل مقیاس پذیری شیرجه بزنید. سرعت الگوریتم هایی را که می توان در رایانه رومیزی استفاده کرد با نکاتی در مورد موازی سازی و تخصیص حافظه افزایش دهید. با الگوریتمهای جدیدی که بهطور خاص برای پروژههای بزرگ طراحی شدهاند و میتوانند فایلهای بزرگتری را مدیریت کنند، آشنا شوید و درباره یادگیری ماشین در محیطهای دادههای بزرگ بیاموزید. همچنین موثرترین تکنیک های یادگیری ماشین را در چارچوب کاهش نقشه در Hadoop و Spark در Python پوشش خواهیم داد. Style and Approach این عنوان کارآمد و کاربردی مملو از تکنیکها، نکات و ابزارهایی است که برای اطمینان از اجرای سریع و یکپارچه یادگیری ماشین پایتون در مقیاس بزرگ به آن نیاز دارید. یادگیری ماشینی در مقیاس بزرگ با موضوعی متفاوت از آنچه در حال حاضر در بازار وجود دارد مقابله می کند. کسانی که با خوشههای Hadoop و در محیطهای فشرده داده کار میکنند، اکنون میتوانند روشهای موثر ساخت مدلهای یادگیری ماشینی قدرتمند از نمونه اولیه تا تولید را بیاموزند. این کتاب به سبکی نوشته شده است که برنامه نویسان سایر زبان ها (R, Julia, Java, Matlab) می توانند از آن پیروی کنند.
tag : دانلود کتاب یادگیری ماشینی در مقیاس بزرگ با پایتون , Download یادگیری ماشینی در مقیاس بزرگ با پایتون , دانلود یادگیری ماشینی در مقیاس بزرگ با پایتون , Download Large Scale Machine Learning with Python Book , یادگیری ماشینی در مقیاس بزرگ با پایتون دانلود , buy یادگیری ماشینی در مقیاس بزرگ با پایتون , خرید کتاب یادگیری ماشینی در مقیاس بزرگ با پایتون , دانلود کتاب Large Scale Machine Learning with Python , کتاب Large Scale Machine Learning with Python , دانلود Large Scale Machine Learning with Python , خرید Large Scale Machine Learning with Python , خرید کتاب Large Scale Machine Learning with Python ,

نقد و بررسیها
هنوز بررسیای ثبت نشده است.