دانلود کتاب Machine Learning with Go Quick Start Guide: Hands-on techniques for building supervised and unsupervised machine learning workflows – راهنمای شروع سریع یادگیری ماشین با Go: تکنیک‌های عملی برای ایجاد جریان‌های کاری یادگیری ماشینی تحت نظارت و بدون نظارت

توضیحات

This quick start guide will bring the readers to a basic level of understanding when it comes to the Machine Learning (ML) development lifecycle, will introduce Go ML libraries and then will exemplify common ML methods such as Classification, Regression, and Clustering

Key Features

• Your handy guide to building machine learning workflows in Go for real-world scenarios
• Build predictive models using the popular supervised and unsupervised machine learning techniques
• Learn all about deployment strategies and take your ML application from prototype to production ready

Book Description

Machine learning is an essential part of today’s data-driven world and is extensively used across industries, including financial forecasting, robotics, and web technology. This book will teach you how to efficiently develop machine learning applications in Go.

The book starts with an introduction to machine learning and its development process, explaining the types of problems that it aims to solve and the solutions it offers. It then covers setting up a frictionless Go development environment, including running Go interactively with Jupyter notebooks. Finally, common data processing techniques are introduced.

The book then teaches the reader about supervised and unsupervised learning techniques through worked examples that include the implementation of evaluation metrics. These worked examples make use of the prominent open-source libraries GoML and Gonum.

The book also teaches readers how to load a pre-trained model and use it to make predictions. It then moves on to the operational side of running machine learning applications: deployment, Continuous Integration, and helpful advice for effective logging and monitoring.

At the end of the book, readers will learn how to set up a machine learning project for success, formulating realistic success criteria and accurately translating business requirements into technical ones.

What you will learn

• Understand the types of problem that machine learning solves, and the various approaches
• Import, pre-process, and explore data with Go to make it ready for machine learning algorithms
• Visualize data with gonum/plot and Gophernotes
• Diagnose common machine learning problems, such as overfitting and underfitting
• Implement supervised and unsupervised learning algorithms using Go libraries
• Build a simple web service around a model and use it to make predictions

Who this book is for

This book is for developers and data scientists with at least beginner-level knowledge of Go, and a vague idea of what types of problem Machine Learning aims to tackle. No advanced knowledge of Go (and no theoretical understanding of the math that underpins Machine Learning) is required.

Table of Contents

1. Introducing Machine Leaning with Go
2. Setting Up the Development Environment
3. Supervised Learning
4. Unsupervised Learning
5. Using Pretrained Models
6. Deploying Machine Learning Applications
7. Conclusion – Successful ML Projects

————————————————————–

ترجمه ماشینی :

این راهنمای شروع سریع، خوانندگان را در مورد چرخه عمر توسعه یادگیری ماشینی (ML) به سطح پایه ای از درک می رساند، کتابخانه های Go ML را معرفی می کند و سپس روش های رایج ML مانند طبقه بندی، رگرسیون را نمونه می کند. و خوشه‌بندی

ویژگی‌های کلیدی

• راهنمای مفید شما برای ایجاد جریان‌های کاری یادگیری ماشین در Go برای سناریوهای دنیای واقعی
• ساخت پیش‌بینی مدل‌هایی که از تکنیک‌های معروف یادگیری ماشینی تحت نظارت و بدون نظارت استفاده می‌کنند
• درباره استراتژی‌های استقرار همه چیز بیاموزید و برنامه ML خود را از نمونه اولیه تا تولید آماده کنید

توضیحات کتاب

< p> یادگیری ماشین بخشی ضروری از دنیای داده محور امروزی است و به طور گسترده در صنایع از جمله پیش بینی مالی، روباتیک و فناوری وب استفاده می شود. این کتاب به شما یاد می دهد که چگونه به طور موثر برنامه های یادگیری ماشین را در Go توسعه دهید.

این کتاب با مقدمه‌ای بر یادگیری ماشین و فرآیند توسعه آن شروع می‌شود و انواع مشکلاتی را که هدف آن حل است و راه‌حل‌هایی که ارائه می‌کند توضیح می‌دهد. سپس راه‌اندازی یک محیط توسعه بدون اصطکاک Go، از جمله اجرای Go به صورت تعاملی با نوت‌بوک‌های Jupyter را پوشش می‌دهد. در نهایت، تکنیک های رایج پردازش داده ها معرفی می شوند.

سپس این کتاب از طریق مثال‌های کار شده که شامل اجرای معیارهای ارزیابی می‌شود، تکنیک‌های یادگیری تحت نظارت و بدون نظارت را به خواننده آموزش می‌دهد. این نمونه های کار شده از کتابخانه های منبع باز برجسته GoML و Gonum استفاده می کنند.

این کتاب همچنین به خوانندگان می آموزد که چگونه یک مدل از پیش آموزش دیده را بارگذاری کنند و از آن برای پیش بینی استفاده کنند. سپس به سمت عملیاتی اجرای برنامه‌های یادگیری ماشینی می‌رود: استقرار، یکپارچه‌سازی مداوم، و توصیه‌های مفید برای ثبت و نظارت مؤثر.

در پایان کتاب، خوانندگان یاد می‌گیرند که چگونه یک پروژه یادگیری ماشینی برای موفقیت راه‌اندازی کنند، معیارهای موفقیت واقع‌بینانه را فرموله کنند و الزامات تجاری را به‌طور دقیق به موارد فنی ترجمه کنند.

آنچه یاد خواهید گرفت

• انواع مشکلاتی را که یادگیری ماشینی حل می کند و رویکردهای مختلف را درک کنید
• وارد کردن، پیش پردازش و کاوش داده‌ها را با Go آماده می‌کند تا برای الگوریتم‌های یادگیری ماشین آماده شود
• تجسم داده‌ها با gonum/plot و Gophernotes
• تشخیص مشکلات رایج یادگیری ماشین، مانند بیش‌برازش و عدم تناسب
• پیاده سازی الگوریتم های یادگیری تحت نظارت و بدون نظارت با استفاده از کتابخانه های Go
• یک وب سرویس ساده پیرامون یک مدل بسازید و از آن برای پیش بینی استفاده کنید

این کتاب برای چه کسی است

این کتاب برای توسعه دهندگان و دانشمندان داده با حداقل دانش سطح مبتدی از Go، و ایده مبهم از انواع مشکلاتی است که یادگیری ماشینی قصد دارد با آن مقابله کند. هیچ دانش پیشرفته ای از Go (و هیچ درک نظری از ریاضیاتی که زیربنای یادگیری ماشینی است) مورد نیاز نیست.

فهرست محتوا

1. معرفی Machine Leaning with Go
2. تنظیم محیط توسعه
3. آموزش تحت نظارت
4. یادگیری بدون نظارت
5. استفاده از مدل های از پیش آموزش دیده
6. استقرار برنامه های یادگیری ماشین
7. نتیجه گیری – پروژه های ML موفق

tag : دانلود کتاب راهنمای شروع سریع یادگیری ماشین با Go: تکنیک‌های عملی برای ایجاد جریان‌های کاری یادگیری ماشینی تحت نظارت و بدون نظارت , Download راهنمای شروع سریع یادگیری ماشین با Go: تکنیک‌های عملی برای ایجاد جریان‌های کاری یادگیری ماشینی تحت نظارت و بدون نظارت , دانلود راهنمای شروع سریع یادگیری ماشین با Go: تکنیک‌های عملی برای ایجاد جریان‌های کاری یادگیری ماشینی تحت نظارت و بدون نظارت , Download Machine Learning with Go Quick Start Guide: Hands-on techniques for building supervised and unsupervised machine learning workflows Book , راهنمای شروع سریع یادگیری ماشین با Go: تکنیک‌های عملی برای ایجاد جریان‌های کاری یادگیری ماشینی تحت نظارت و بدون نظارت دانلود , buy راهنمای شروع سریع یادگیری ماشین با Go: تکنیک‌های عملی برای ایجاد جریان‌های کاری یادگیری ماشینی تحت نظارت و بدون نظارت , خرید کتاب راهنمای شروع سریع یادگیری ماشین با Go: تکنیک‌های عملی برای ایجاد جریان‌های کاری یادگیری ماشینی تحت نظارت و بدون نظارت , دانلود کتاب Machine Learning with Go Quick Start Guide: Hands-on techniques for building supervised and unsupervised machine learning workflows , کتاب Machine Learning with Go Quick Start Guide: Hands-on techniques for building supervised and unsupervised machine learning workflows , دانلود Machine Learning with Go Quick Start Guide: Hands-on techniques for building supervised and unsupervised machine learning workflows , خرید Machine Learning with Go Quick Start Guide: Hands-on techniques for building supervised and unsupervised machine learning workflows , خرید کتاب Machine Learning with Go Quick Start Guide: Hands-on techniques for building supervised and unsupervised machine learning workflows ,