دانلود کتاب MONETIZING MACHINE LEARNING: quickly turn python ml ideas into web applications on the … serverless cloud – یادگیری ماشینی کسب درآمد: ایده های python ml را به سرعت به برنامه های کاربردی وب در … ابر بدون سرور تبدیل کنید

توضیحات

Take your Python machine learning ideas and create serverless web applications accessible by anyone with an Internet connection. Some of the most popular serverless cloud providers are covered in this book–Amazon, Microsoft, Google, and PythonAnywhere.

You will work through a series of common Python data science problems in an increasing order of complexity. The practical projects presented in this book are simple, clear, and can be used as templates to jump-start many other types of projects. You will learn to create a web application around numerical or categorical predictions, understand the analysis of text, create powerful and interactive presentations, serve restricted access to data, and leverage web plugins to accept credit card payments and donations. You will get your projects into the hands of the world in no time.

Each chapter follows three steps: modeling the right way, designing and developing a local web application, and deploying onto a popular and reliable serverless cloud provider. You can easily jump to or skip particular topics in the book. You also will have access to Jupyter notebooks and code repositories for complete versions of the code covered in the book.

What You’ll Learn

Extend your machine learning models using simple techniques to create compelling and interactive web dashboards

Leverage the Flask web framework for rapid prototyping of your Python models and ideas
Create dynamic content powered by regression coefficients, logistic regressions, gradient boosting machines, Bayesian classifications, and more

Harness the power of TensorFlow by exporting saved models into web applications

Create rich web dashboards to handle complex real-time user input with JavaScript and Ajax to yield interactive and tailored content
Create dashboards with paywalls to offer subscription-based access
Access API data such as Google Maps, OpenWeather, etc.
Apply different approaches to make sense of text data and return customized intelligence

Build an intuitive and useful recommendation site to add value to users and entice them to keep coming back

Utilize the freemium offerings of Google Analytics and analyze the results

Take your ideas all the way to your customer’s plate using the top serverless cloud providers

Who This Book Is For

Those with some programming experience with Python, code editing, and access to an interpreter in working order. The book is geared toward entrepreneurs who want to get their ideas onto the web without breaking the bank, small companies without an IT staff, students wanting exposure and training, and for all data science professionals ready to take things to the next level.

————————————————————–

ترجمه ماشینی :

ایده‌های یادگیری ماشین پایتون خود را در نظر بگیرید و برنامه‌های وب بدون سرور ایجاد کنید که برای هر کسی با اتصال اینترنت قابل دسترسی است. برخی از محبوب‌ترین ارائه‌دهندگان ابری بدون سرور در این کتاب پوشش داده شده‌اند – Amazon، Microsoft، Google، و PythonAnywhere.

شما با یک سری مشکلات رایج علوم داده پایتون به ترتیب پیچیدگی کار خواهید کرد. . پروژه های عملی ارائه شده در این کتاب ساده، واضح هستند و می توان از آنها به عنوان الگو برای شروع پرش بسیاری از انواع پروژه های دیگر استفاده کرد. شما یاد خواهید گرفت که یک برنامه کاربردی وب پیرامون پیش بینی های عددی یا طبقه بندی ایجاد کنید، تجزیه و تحلیل متن را درک کنید، ارائه های قدرتمند و تعاملی ایجاد کنید، دسترسی محدود به داده ها را ارائه دهید، و از پلاگین های وب برای پذیرش پرداخت ها و کمک های مالی با کارت اعتباری استفاده کنید. شما پروژه های خود را در کمترین زمان به دستان جهانیان خواهید رساند.

هر فصل سه مرحله را دنبال می کند: مدل سازی روش صحیح، طراحی و توسعه یک برنامه وب محلی، و استقرار بر روی یک ارائه دهنده ابر بدون سرور محبوب و قابل اعتماد. شما به راحتی می توانید به موضوعات خاصی در کتاب بپرید یا از آن بگذرید. همچنین برای نسخه های کامل کدهای پوشش داده شده در کتاب، به نوت بوک ها و مخازن کد Jupyter دسترسی خواهید داشت.

آنچه خواهید آموخت

مدل‌های یادگیری ماشین خود را با استفاده از تکنیک‌های ساده برای ایجاد داشبوردهای وب جذاب و تعاملی گسترش دهید

از چارچوب وب Flask برای نمونه‌سازی سریع پایتون خود استفاده کنید. مدل‌ها و ایده‌ها
ایجاد محتوای پویا با استفاده از ضرایب رگرسیون، رگرسیون لجستیک، ماشین‌های تقویت گرادیان، طبقه‌بندی‌های بیزی و موارد دیگر

با صادرات مدل‌های ذخیره‌شده به وب، از قدرت TensorFlow استفاده کنید. برنامه ها

ایجاد داشبوردهای وب غنی برای مدیریت ورودی های پیچیده کاربر در زمان واقعی با جاوا اسکریپت و Ajax برای تولید محتوای تعاملی و متناسب
ایجاد داشبورد با دیوارهای پرداخت برای ارائه دسترسی مبتنی بر اشتراک< br />دسترسی به داده‌های API مانند Google Maps، OpenWeather، و غیره.
رویکردهای مختلف را برای درک داده‌های متنی و بازگرداندن هوشمندی سفارشی‌شده اعمال کنید

یک توصیه بصری و مفید بسازید. سایتی برای افزودن ارزش به کاربران و ترغیب آنها به بازگشت دوباره

از پیشنهادات فریمیوم Google Analytics استفاده کنید و نتایج را تجزیه و تحلیل کنید

دریافت کنید با استفاده از برترین ارائه دهندگان ابری بدون سرور

این کتاب برای چه کسی است