دانلود کتاب Python for Probability, Statistics, and Machine Learning – پایتون برای احتمال، آمار و یادگیری ماشین

دسته بندی :
اطلاعات کتاب
  • جلد
  • سری
  • ویرایش
  • سال 2016
  • نویسنده (گان) Jos⌐ Unpingco
  • ناشر Springer
  • زبان English
  • تعداد صفحات
  • حجم فایل 7.14MB
  • فرمت فایل pdf
  • شابک 9783319307152, 9783319307176, 2016933108
قیمت محصول :

45,000 تومان

با خرید این محصول، 2,250 تومان به کیف پول شما بازگشت داده می‌شود

روند خرید و دریافت کتاب‌ها بدون هیچ اختلالی انجام می‌شود.
تمامی فایل‌ها بر روی سرورهای داخلی میزبانی می‌شوند تا بتوانید به راحتی و در لحظه آن‌ها را دانلود کنید. در صورت بروز هرگونه مشکل یا نیاز به راهنمایی، لطفاً از طریق « صفحه تماس باما» با تیم پشتیبانی در ارتباط باشید.

تمامی کتاب های موجود در وبسایت سای وان به زبان انگلیسی میباشد

توضیحات

This book, fully updated for Python version 3.6+, covers the key ideas that link probability, statistics, and machine learning illustrated using Python modules in these areas. All the figures and numerical results are reproducible using the Python codes provided. The author develops key intuitions in machine learning by working meaningful examples using multiple analytical methods and Python codes, thereby connecting theoretical concepts to concrete implementations. Detailed proofs for certain important results are also provided. Modern Python modules like Pandas, Sympy, Scikit-learn, Tensorflow, and Keras are applied to simulate and visualize important machine learning concepts like the bias/variance trade-off, cross-validation, and regularization. Many abstract mathematical ideas, such as convergence in probability theory, are developed and illustrated with numerical examples. This updated edition now includes the Fisher Exact Test and the Mann-Whitney-Wilcoxon Test. A new section on survival analysis has been included as well as substantial development of Generalized Linear Models. The new deep learning section for image processing includes an in-depth discussion of gradient descent methods that underpin all deep learning algorithms. As with the prior edition, there are new and updated *Programming Tips* that the illustrate effective Python modules and methods for scientific programming and machine learning. There are 445 run-able code blocks with corresponding outputs that have been tested for accuracy. Over 158 graphical visualizations (almost all generated using Python) illustrate the concepts that are developed both in code and in mathematics. We also discuss and use key Python modules such as Numpy, Scikit-learn, Sympy, Scipy, Lifelines, CvxPy, Theano, Matplotlib, Pandas, Tensorflow, Statsmodels, and Keras. This book is suitable for anyone with an undergraduate-level exposure to probability, statistics, or machine learning and with rudimentary knowledge of Python programming.

————————————————————–

ترجمه ماشینی :

این کتاب که به طور کامل برای پایتون نسخه 3.6+ به‌روزرسانی شده است، ایده‌های کلیدی را پوشش می‌دهد که احتمال، آمار و یادگیری ماشین را با استفاده از ماژول‌های پایتون در این زمینه‌ها به تصویر می‌کشد. تمام ارقام و نتایج عددی با استفاده از کدهای پایتون ارائه شده قابل تکرار هستند. نویسنده شهودهای کلیدی در یادگیری ماشین را با استفاده از مثال‌های معنی‌دار با استفاده از روش‌های تحلیلی متعدد و کدهای پایتون توسعه می‌دهد و در نتیجه مفاهیم نظری را به پیاده‌سازی‌های عینی متصل می‌کند. شواهد دقیق برای برخی از نتایج مهم نیز ارائه شده است. ماژول‌های پایتون مدرن مانند Pandas، Sympy، Scikit-learn، Tensorflow و Keras برای شبیه‌سازی و تجسم مفاهیم مهم یادگیری ماشین مانند مبادله بایاس/واریانس، اعتبارسنجی متقابل و منظم‌سازی استفاده می‌شوند. بسیاری از ایده های انتزاعی ریاضی، مانند همگرایی در نظریه احتمال، توسعه یافته و با مثال های عددی نشان داده شده اند. این نسخه به روز شده اکنون شامل تست دقیق فیشر و تست من ویتنی ویلکاکسون است. بخش جدیدی در مورد تجزیه و تحلیل بقا و همچنین توسعه قابل توجهی از مدل های خطی تعمیم یافته گنجانده شده است. بخش جدید یادگیری عمیق برای پردازش تصویر شامل یک بحث عمیق در مورد روش‌های نزول گرادیان است که زیربنای همه الگوریتم‌های یادگیری عمیق است. مانند نسخه قبلی، نکات برنامه نویسی جدید و به روز شده ای وجود دارد که ماژول ها و روش های موثر پایتون را برای برنامه نویسی علمی و یادگیری ماشین نشان می دهد. 445 بلوک کد قابل اجرا با خروجی های مربوطه وجود دارد که از نظر دقت آزمایش شده اند. بیش از 158 تجسم گرافیکی (تقریباً همه با استفاده از پایتون تولید شده اند) مفاهیمی را که هم در کد و هم در ریاضیات توسعه یافته اند را نشان می دهند. ما همچنین در مورد ماژول های کلیدی پایتون مانند Numpy، Scikit-learn، Sympy، Scipy، Lifelines، CvxPy، Theano، Matplotlib، Pandas، Tensorflow، Statsmodels و Keras بحث و استفاده می کنیم. این کتاب برای هر کسی که در سطح کارشناسی در معرض احتمالات، آمار یا یادگیری ماشینی قرار دارد و دانش ابتدایی برنامه نویسی پایتون دارد، مناسب است.


 

tag : دانلود کتاب پایتون برای احتمال، آمار و یادگیری ماشین , Download پایتون برای احتمال، آمار و یادگیری ماشین , دانلود پایتون برای احتمال، آمار و یادگیری ماشین , Download Python for Probability, Statistics, and Machine Learning Book , پایتون برای احتمال، آمار و یادگیری ماشین دانلود , buy پایتون برای احتمال، آمار و یادگیری ماشین , خرید کتاب پایتون برای احتمال، آمار و یادگیری ماشین , دانلود کتاب Python for Probability, Statistics, and Machine Learning , کتاب Python for Probability, Statistics, and Machine Learning , دانلود Python for Probability, Statistics, and Machine Learning , خرید Python for Probability, Statistics, and Machine Learning , خرید کتاب Python for Probability, Statistics, and Machine Learning ,

نقد و بررسی‌ها

هنوز بررسی‌ای ثبت نشده است.

اولین کسی باشید که دیدگاهی می نویسد “دانلود کتاب Python for Probability, Statistics, and Machine Learning – پایتون برای احتمال، آمار و یادگیری ماشین”