دانلود کتاب Machine Learning with Go Quick Start Guide – یادگیری ماشین با راهنمای شروع سریع Go

توضیحات

Machine Learning with Go Quick Start Guide: Hands-on techniques for building supervised and unsupervised machine learning workflows

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.

————————————————————–

ترجمه ماشینی :

یادگیری ماشین با راهنمای شروع سریع Go: تکنیک‌های عملی برای ایجاد گردش‌های کاری یادگیری ماشینی تحت نظارت و بدون نظارت \ این راهنمای شروع سریع، خوانندگان را به یک سطح اساسی از درک در مورد چرخه عمر توسعه یادگیری ماشین (ML) می‌رساند. کتابخانه‌های Go ML را معرفی کنید و سپس روش‌های رایج ML مانند طبقه‌بندی، رگرسیون، و خوشه‌بندی \ ویژگی‌های کلیدی راهنمای مفید شما برای ایجاد گردش‌های کاری یادگیری ماشین در Go برای سناریوهای دنیای واقعی ساخت مدل‌های پیش‌بینی با استفاده از ماشین نظارت شده و بدون نظارت رایج تکنیک های یادگیری همه چیز را در مورد استراتژی های استقرار بیاموزید و برنامه ML خود را از نمونه اولیه به تولید آماده کنید شرح کتاب یادگیری ماشینی بخش اساسی دنیای داده محور امروزی است و به طور گسترده در صنایع از جمله پیش بینی مالی، رباتیک 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. کتاب با مقدمه‌ای بر یادگیری ماشین و فرآیند توسعه آن شروع می‌شود و انواع مشکلاتی که هدف آن حل است و راه‌حل‌هایی که ارائه می‌دهد را 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 است، 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 خواهند گرفت که چگونه یک پروژه یادگیری ماشینی برای موفقیت راه اندازی کنند، معیارهای موفقیت واقع بینانه را فرموله کنند و الزامات تجاری را به طور دقیق به موارد فنی ترجمه کنند. آنچه یاد خواهید گرفت انواع مشکلاتی را که یادگیری ماشینی حل می کند و رویکردهای مختلف وارد کردن، پیش پردازش و کاوش داده ها با Go برای آماده سازی آن برای الگوریتم

tag : دانلود کتاب یادگیری ماشین با راهنمای شروع سریع Go , Download یادگیری ماشین با راهنمای شروع سریع Go , دانلود یادگیری ماشین با راهنمای شروع سریع Go , Download Machine Learning with Go Quick Start Guide Book , یادگیری ماشین با راهنمای شروع سریع Go دانلود , buy یادگیری ماشین با راهنمای شروع سریع Go , خرید کتاب یادگیری ماشین با راهنمای شروع سریع Go , دانلود کتاب Machine Learning with Go Quick Start Guide , کتاب Machine Learning with Go Quick Start Guide , دانلود Machine Learning with Go Quick Start Guide , خرید Machine Learning with Go Quick Start Guide , خرید کتاب Machine Learning with Go Quick Start Guide ,