توضیحات
Discover a project-based approach to mastering machine learning concepts by applying them to everyday problems using libraries such as scikit-learn, TensorFlow, and Keras
Machine learning is transforming the way we understand and interact with the world around us. This book is the perfect guide for you to put your knowledge and skills into practice and use the Python ecosystem to cover key domains in machine learning. This second edition covers a range of libraries from the Python ecosystem, including TensorFlow and Keras, to help you implement real-world machine learning projects.
The book begins by giving you an overview of machine learning with Python. With the help of complex datasets and optimized techniques, youll go on to understand how to apply advanced concepts and popular machine learning algorithms to real-world projects. Next, youll cover projects from domains such as predictive analytics to analyze the stock market and recommendation systems for GitHub repositories. In addition to this, youll also work on projects from the NLP domain to create a custom news feed using frameworks such as scikit-learn, TensorFlow, and Keras. Following this, youll learn how to build an advanced chatbot, and scale things up using PySpark. In the concluding chapters, you can look forward to exciting insights into deep learning and youll even create an application using computer vision and neural networks.
By the end of this book, youll be able to analyze data seamlessly and make a powerful impact through your projects.
What you will learn
Understand the Python data science stack and commonly used algorithms
Build a model to forecast the performance of an Initial Public Offering (IPO) over an initial discrete trading window
Understand NLP concepts by creating a custom news feed
Create applications that will recommend GitHub repositories based on ones youve starred, watched, or forked
Gain the skills to build a chatbot from scratch using PySpark
Develop a market-prediction app using stock data
Delve into advanced concepts such as computer vision, neural networks, and deep learning
————————————————————–
ترجمه ماشینی :
با استفاده از آنها در مشکلات روزمره با استفاده از کتابخانه هایی مانند Scikit-Learn ، Tensorflow و Keras ، یک رویکرد مبتنی بر پروژه را برای تسلط بر مفاهیم یادگیری ماشین کشف کنید
یادگیری ماشین در حال تغییر روشی است که ما با دنیای اطراف خود درک و تعامل داریم. این کتاب راهنمای مناسبی برای شما است که دانش و مهارت های خود را عملی کنید و از اکوسیستم پایتون برای پوشش دامنه های کلیدی در یادگیری ماشین استفاده کنید. این نسخه دوم طیف وسیعی از کتابخانه ها از اکوسیستم پایتون ، از جمله Tensorflow و Keras را در بر می گیرد تا به شما در اجرای پروژه های یادگیری ماشین در دنیای واقعی کمک کند.
این کتاب با ارائه یک مرور کلی از یادگیری ماشین با پایتون آغاز می شود. با کمک مجموعه داده های پیچیده و تکنیک های بهینه شده ، شما می توانید نحوه استفاده از مفاهیم پیشرفته و الگوریتم های یادگیری ماشین محبوب را در پروژه های دنیای واقعی استفاده کنید. در مرحله بعد ، شما پروژه هایی را از حوزه هایی مانند تجزیه و تحلیل پیش بینی برای تجزیه و تحلیل بازار سهام و سیستم های توصیه برای مخازن GitHub پوشش خواهید داد. علاوه بر این ، شما همچنین روی پروژه هایی از دامنه NLP کار خواهید کرد تا با استفاده از چارچوب هایی مانند Scikit-Learn ، Tensorflow و Keras ، یک فید خبری سفارشی ایجاد کنید. به دنبال این ، شما یاد می گیرید که چگونه یک چت بابات پیشرفته بسازید و با استفاده از pyspark ، موارد را مقیاس کنید. در فصل های پایانی ، می توانید مشتاقانه بینش های هیجان انگیز در مورد یادگیری عمیق داشته باشید و حتی با استفاده از دید رایانه ای و شبکه های عصبی یک برنامه ایجاد خواهید کرد.
در پایان این کتاب ، شما قادر خواهید بود داده ها را یکپارچه تجزیه و تحلیل کرده و از طریق پروژه های خود تأثیر قدرتمندی داشته باشید.
آنچه یاد خواهید گرفت
پشته علم داده پایتون و الگوریتم های متداول را درک کنید
برای پیش بینی عملکرد یک پیشنهاد عمومی اولیه (IPO) بر روی یک پنجره معاملاتی گسسته اولیه ، مدلی بسازید
مفاهیم NLP را با ایجاد یک خبر خبری سفارشی درک کنید
برنامه هایی را ایجاد کنید که مخازن GitHub را بر اساس مواردی که شما بازی می کنید ، تماشا کرده اید ، تماشا کرده یا چنگال می کنید
با استفاده از pyspark مهارت های ایجاد یک چت بابات را از ابتدا بدست آورید
با استفاده از داده های سهام یک برنامه پیش بینی بازار تهیه کنید
به مفاهیم پیشرفته مانند چشم انداز رایانه ، شبکه های عصبی و یادگیری عمیق بپردازید
tag : دانلود کتاب طرح های یادگیری ماشین پایتون: مفاهیم یادگیری ماشین خود را با توسعه پروژه های هوشمند در دنیای واقعی قرار دهید , Download طرح های یادگیری ماشین پایتون: مفاهیم یادگیری ماشین خود را با توسعه پروژه های هوشمند در دنیای واقعی قرار دهید , دانلود طرح های یادگیری ماشین پایتون: مفاهیم یادگیری ماشین خود را با توسعه پروژه های هوشمند در دنیای واقعی قرار دهید , Download Python Machine Learning Blueprints: Put your machine learning concepts to the test by developing real-world smart projects Book , طرح های یادگیری ماشین پایتون: مفاهیم یادگیری ماشین خود را با توسعه پروژه های هوشمند در دنیای واقعی قرار دهید دانلود , buy طرح های یادگیری ماشین پایتون: مفاهیم یادگیری ماشین خود را با توسعه پروژه های هوشمند در دنیای واقعی قرار دهید , خرید کتاب طرح های یادگیری ماشین پایتون: مفاهیم یادگیری ماشین خود را با توسعه پروژه های هوشمند در دنیای واقعی قرار دهید , دانلود کتاب Python Machine Learning Blueprints: Put your machine learning concepts to the test by developing real-world smart projects , کتاب Python Machine Learning Blueprints: Put your machine learning concepts to the test by developing real-world smart projects , دانلود Python Machine Learning Blueprints: Put your machine learning concepts to the test by developing real-world smart projects , خرید Python Machine Learning Blueprints: Put your machine learning concepts to the test by developing real-world smart projects , خرید کتاب Python Machine Learning Blueprints: Put your machine learning concepts to the test by developing real-world smart projects ,
نقد و بررسیها
هنوز بررسیای ثبت نشده است.