دانلود کتاب Mastering Machine Learning with Python in Six Steps: A Practical Implementation Guide to Predictive Data Analytics Using Python – تسلط بر یادگیری ماشین با پایتون در شش مرحله: یک راهنمای اجرای عملی برای تجزیه و تحلیل داده های پیش بینی با استفاده از پایتون

توضیحات

Explore fundamental to advanced Python 3 topics in six steps, all designed to make you a worthy practitioner. This updated versions approach is based on the six degrees of separation theory, which states that everyone and everything is a maximum of six steps away and presents each topic in two parts: theoretical concepts and practical implementation using suitable Python 3 packages.

Youll start with the fundamentals of Python 3 programming language, machine learning history, evolution, and the system development frameworks. Key data mining/analysis concepts, such as exploratory analysis, feature dimension reduction, regressions, time series forecasting and their efficient implementation in Scikit-learn are covered as well. Youll also learn commonly used model diagnostic and tuning techniques. These include optimal probability cutoff point for class creation, variance, bias, bagging, boosting, ensemble voting, grid search, random search, Bayesian optimization, and the noise reduction technique for IoT data.

Finally, youll review advanced text mining techniques, recommender systems, neural networks, deep learning, reinforcement learning techniques and their implementation. All the code presented in the book will be available in the form of iPython notebooks to enable you to try out these examples and extend them to your advantage.

What You’ll Learn

• Understand machine learning development and frameworks
• Assess model diagnosis and tuning in machine learning
• Examine text mining, natuarl language processing (NLP), and recommender systems
• Review reinforcement learning and CNN

Who This Book Is For

Python developers, data engineers, and machine learning engineers looking to expand their knowledge or career into machine learning area.

————————————————————–

ترجمه ماشینی :

موضوعات اساسی و پیشرفته Python 3 را در شش مرحله کشف کنید ، همه به گونه ای طراحی شده اند که شما را به یک پزشک شایسته تبدیل کند. این رویکرد نسخه های به روز شده مبتنی بر شش درجه تئوری جدایی است که بیان می کند که همه و همه چیز حداکثر شش قدم فاصله دارد و هر موضوع را در دو بخش ارائه می دهد: مفاهیم نظری و اجرای عملی با استفاده از بسته های مناسب پایتون 3.

شما با اصول زبان برنامه نویسی Python 3 ، تاریخچه یادگیری ماشین ، تکامل و چارچوب های توسعه سیستم شروع خواهید کرد. داده های کلیدی کاوی/تجزیه و تحلیل ، مانند تجزیه و تحلیل اکتشافی ، کاهش ابعاد ویژگی ، رگرسیون ، پیش بینی سری زمانی و اجرای کارآمد آنها در Scikit-Learn نیز پوشش داده شده است. همچنین تکنیک های تشخیصی و تنظیم مدل را نیز استفاده می کنید. این موارد شامل نقطه قطع احتمال بهینه برای ایجاد کلاس ، واریانس ، تعصب ، کیسه ، تقویت ، رای گیری گروه ، جستجوی شبکه ، جستجوی تصادفی ، بهینه سازی بیزی و تکنیک کاهش نویز برای داده های IoT است.

سرانجام ، تکنیک های پیشرفته استخراج متن ، سیستم های پیشنهادی ، شبکه های عصبی ، یادگیری عمیق ، تکنیک های یادگیری تقویت و اجرای آنها را مرور خواهید کرد. تمام کدهای ارائه شده در کتاب در قالب نوت بوک های IPython در دسترس خواهند بود تا بتوانید این نمونه ها را امتحان کنید و آنها را به نفع خود گسترش دهید.

• توسعه و چارچوب های یادگیری ماشین را درک کنید
• تشخیص مدل و تنظیم در یادگیری ماشین را ارزیابی کنید
• متن را بررسی کنید معدن ، پردازش زبان Natuarl (NLP) ، و سیستم های پیشنهادی
• یادگیری تقویت و CNN

را بررسی کنید که این کتاب برای چه کسی است >