دانلود کتاب Python Machine Learning By Example: Implement machine learning algorithms and techniques to build intelligent systems, 2nd Edition – یادگیری ماشین پایتون با مثال: پیاده‌سازی الگوریتم‌ها و تکنیک‌های یادگیری ماشین برای ساخت سیستم‌های هوشمند، ویرایش دوم

دسته بندی :
اطلاعات کتاب
  • جلد
  • سری
  • ویرایش 2
  • سال 2019
  • نویسنده (گان) Yuxi (Hayden) Liu
  • ناشر Packt Publishing
  • زبان English
  • تعداد صفحات
  • حجم فایل 43.67MB
  • فرمت فایل mobi
  • شابک 1789616727, 9781789616729
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
در صورتی که فرمت کتاب دریافتی mobi، azw3 ، epub یا djvu می باشد، جهت راهنمای مطالعه اینجا کلیک کنید.

توضیحات

Grasp machine learning concepts, techniques, and algorithms with the help of real-world examples using Python libraries such as TensorFlow and scikit-learn

Key Features

  • Exploit the power of Python to explore the world of data mining and data analytics
  • Discover machine learning algorithms to solve complex challenges faced by data scientists today
  • Use Python libraries such as TensorFlow and Keras to create smart cognitive actions for your projects

Book Description

A surging interest in machine learning is due to the fact that it evolutionzies automation by learning patterns in data and using them to make predictions and decisions. Your ML journey starts with this book, as the second edition of the bestseller, Python Machine Learning By Example.

Hayden’s unique insights and expertise introduce you to important ML concepts and implementations of algorithms in Python both from scratch and with libraries. Each chapter of the book walks you through an industry adopted application. With the help of realistic examples, you will find it intriguing to acquire mechanics of ML techniques in areas such as exploratory data analysis, feature engineering, classification, regression, clustering, and NLP – they are no more obscure as you thought.
This critically extended and updated edition now includes implementation with trendy libraries including TensorFlow, gensim and Keras. The scikit-learn codes are also fully modernized. Even if you’ve read the last edition, you’ll still be delighted to find plenty of new content, for example, neural network, dimensionality reduction, topic modeling, large-scale learning with Spark and word embedding.
Toward the end, you will gather a broad picture of the ML ecosystem and best practices of applying ML techniques to meet new opportunities in today’s world.

What you will learn

  • Understand the important concepts in machine learning and data science
  • Use Python to explore the world of data mining and analytics
  • Scale up model training using varied data complexities with Apache Spark
  • Delve deep into text and NLP using Python libraries such NLTK and gensim
  • Select and build an ML model and evaluate and optimize its performance
  • Implement ML algorithms from scratch in Python, TensorFlow, and scikit-learn

Who this book is for

If you’re a machine learning aspirant, data analyst, or data engineer highly passionate about machine learning and want to begin working on ML assignments, this book is for you. Prior knowledge of Python coding is assumed and basic familiarity with statistical concepts will be beneficial although not necessary.
Table of Contents

  1. Getting Started with Machine Learning and Python
  2. Exploring the 20 Newsgroups Dataset with Text Analysis Techniques
  3. Mining the 20 Newsgroups Dataset with Clustering and Topic Modeling Algorithms
  4. Detecting Spam Email with Naive Bayes
  5. Classifying News Topic with Support Vector Machine
  6. Predicting Online Ads Click-through with Tree-Based Algorithms
  7. Predicting Online Ads Click-through with Logistic Regression
  8. Scaling Up Prediction to Terabyte Click Logs
  9. Stock Price Prediction with Regression Algorithms
  10. Machine Learning Best Practices

————————————————————–

ترجمه ماشینی :

مفاهیم، تکنیک‌ها و الگوریتم‌های یادگیری ماشین را با کمک مثال‌های دنیای واقعی با استفاده از کتابخانه‌های پایتون مانند TensorFlow و scikit-learn درک کنید

Key ویژگی ها

  • استفاده از قدرت پایتون برای کاوش در دنیای داده کاوی و تجزیه و تحلیل داده
  • کشف الگوریتم های یادگیری ماشین برای حل چالش های پیچیده ای که امروزه دانشمندان داده با آن مواجه هستند
  • از کتابخانه های Python مانند TensorFlow و Keras برای ایجاد اقدامات شناختی هوشمند برای پروژه های خود استفاده کنید

توضیحات کتاب

علاقه فزاینده به یادگیری ماشین به این دلیل است که با یادگیری الگوهای موجود در داده ها و استفاده از آنها برای پیش بینی، اتوماسیون را تکامل می دهد. و تصمیمات سفر ML شما با این کتاب آغاز می‌شود، به‌عنوان دومین نسخه پرفروش، Python Machine Learning By Example.

بینش ها و تخصص منحصر به فرد هایدن شما را با مفاهیم مهم ML و پیاده سازی الگوریتم ها در پایتون هم از ابتدا و هم با کتابخانه ها آشنا می کند. هر فصل از کتاب شما را از طریق یک برنامه کاربردی صنعتی راهنمایی می کند. با کمک مثال های واقع گرایانه، به دست آوردن مکانیک تکنیک های ML در زمینه هایی مانند تجزیه و تحلیل داده های اکتشافی، مهندسی ویژگی ها، طبقه بندی، رگرسیون، خوشه بندی و NLP برای شما جذاب خواهد بود – آنها دیگر آنطور که فکر می کردید مبهم نیستند.
این نسخه بسیار توسعه یافته و به روز شده اکنون شامل پیاده سازی با کتابخانه های مد روز از جمله TensorFlow، gensim و Keras است. کدهای یادگیری scikit نیز کاملاً مدرن شده اند. حتی اگر آخرین نسخه را خوانده باشید، باز هم از یافتن محتوای جدید بسیار خوشحال خواهید شد، به عنوان مثال، شبکه عصبی، کاهش ابعاد، مدل‌سازی موضوع، یادگیری در مقیاس بزرگ با Spark و جاسازی کلمه.<. /div>

در پایان، تصویری گسترده از اکوسیستم ML و بهترین شیوه‌های به کارگیری تکنیک‌های ML برای مواجهه با فرصت‌های جدید در دنیای امروز جمع‌آوری خواهید کرد.

<. div>


آنچه یاد خواهید گرفت

  • درک مفاهیم مهم در یادگیری ماشین و علم داده
  • از Python برای کشف دنیای داده کاوی و تجزیه و تحلیل استفاده کنید

    • li>

  • مقیاس کردن آموزش مدل با استفاده از پیچیدگی های داده های مختلف با Apache Spark
  • کاوش عمیق در متن و NLP با استفاده از کتابخانه های Python مانند NLTK و gensim
  • یک مدل ML را انتخاب و بسازید و ارزیابی و بهینه سازی عملکرد آن
  • پیاده سازی الگوریتم های ML از ابتدا در Python، TensorFlow و scikit-learn

این کتاب برای چه کسانی است

اگر مشتاق یادگیری ماشینی، تحلیلگر داده، یا مهندس داده هستید که علاقه زیادی به یادگیری ماشین دارید و می خواهید کار بر روی تکالیف ML را شروع کنید، این کتاب برای شما مناسب است. دانش قبلی از کدنویسی پایتون فرض می‌شود و آشنایی اولیه با مفاهیم آماری مفید خواهد بود، اگرچه ضروری نیست.
فهرست مطالب

  1. شروع به کار با ماشین یادگیری و پایتون
  2. کاوش در مجموعه داده 20 گروه خبری با تکنیک های تجزیه و تحلیل متن
  3. کاوش مجموعه داده های 20 گروه خبری با الگوریتم های خوشه بندی و مدل سازی موضوع
  4. تشخیص ایمیل های هرزنامه با Naive Bayes
  5. طبقه بندی موضوع اخبار با ماشین بردار پشتیبان
  6. پیش بینی تبلیغات آنلاین کلیکی با الگوریتم های درختی
  7. پیش بینی کلیک بر روی تبلیغات آنلاین با رگرسیون لجستیک

    8. li>

  8. مقیاس‌سازی پیش‌بینی به گزارش‌های کلیک ترابایت
  9. پیش‌بینی قیمت سهام با الگوریتم‌های رگرسیون
  10. بهترین روش‌های یادگیری ماشینی

 

tag : دانلود کتاب یادگیری ماشین پایتون با مثال: پیاده‌سازی الگوریتم‌ها و تکنیک‌های یادگیری ماشین برای ساخت سیستم‌های هوشمند، ویرایش دوم , Download یادگیری ماشین پایتون با مثال: پیاده‌سازی الگوریتم‌ها و تکنیک‌های یادگیری ماشین برای ساخت سیستم‌های هوشمند، ویرایش دوم , دانلود یادگیری ماشین پایتون با مثال: پیاده‌سازی الگوریتم‌ها و تکنیک‌های یادگیری ماشین برای ساخت سیستم‌های هوشمند، ویرایش دوم , Download Python Machine Learning By Example: Implement machine learning algorithms and techniques to build intelligent systems, 2nd Edition Book , یادگیری ماشین پایتون با مثال: پیاده‌سازی الگوریتم‌ها و تکنیک‌های یادگیری ماشین برای ساخت سیستم‌های هوشمند، ویرایش دوم دانلود , buy یادگیری ماشین پایتون با مثال: پیاده‌سازی الگوریتم‌ها و تکنیک‌های یادگیری ماشین برای ساخت سیستم‌های هوشمند، ویرایش دوم , خرید کتاب یادگیری ماشین پایتون با مثال: پیاده‌سازی الگوریتم‌ها و تکنیک‌های یادگیری ماشین برای ساخت سیستم‌های هوشمند، ویرایش دوم , دانلود کتاب Python Machine Learning By Example: Implement machine learning algorithms and techniques to build intelligent systems, 2nd Edition , کتاب Python Machine Learning By Example: Implement machine learning algorithms and techniques to build intelligent systems, 2nd Edition , دانلود Python Machine Learning By Example: Implement machine learning algorithms and techniques to build intelligent systems, 2nd Edition , خرید Python Machine Learning By Example: Implement machine learning algorithms and techniques to build intelligent systems, 2nd Edition , خرید کتاب Python Machine Learning By Example: Implement machine learning algorithms and techniques to build intelligent systems, 2nd Edition ,

نقد و بررسی‌ها

هنوز بررسی‌ای ثبت نشده است.

اولین کسی باشید که دیدگاهی می نویسد “دانلود کتاب Python Machine Learning By Example: Implement machine learning algorithms and techniques to build intelligent systems, 2nd Edition – یادگیری ماشین پایتون با مثال: پیاده‌سازی الگوریتم‌ها و تکنیک‌های یادگیری ماشین برای ساخت سیستم‌های هوشمند، ویرایش دوم”