توضیحات
Discover powerful ways to effectively solve real-world machine learning problems using key libraries including scikit-learn, TensorFlow, and PyTorch
Key Features
- Learn and implement machine learning algorithms in a variety of real-life scenarios
- Cover a range of tasks catering to supervised, unsupervised and reinforcement learning techniques
- Find easy-to-follow code solutions for tackling common and not-so-common challenges
Book Description
This eagerly anticipated second edition of the popular Python Machine Learning Cookbook will enable you to adopt a fresh approach to dealing with real-world machine learning and deep learning tasks.
With the help of over 100 recipes, you will learn to build powerful machine learning applications using modern libraries from the Python ecosystem. The book will also guide you on how to implement various machine learning algorithms for classification, clustering, and recommendation engines, using a recipe-based approach. With emphasis on practical solutions, dedicated sections in the book will help you to apply supervised and unsupervised learning techniques to real-world problems. Toward the concluding chapters, you will get to grips with recipes that teach you advanced techniques including reinforcement learning, deep neural networks, and automated machine learning.
By the end of this book, you will be equipped with the skills you need to apply machine learning techniques and leverage the full capabilities of the Python ecosystem through real-world examples.
What you will learn
- Use predictive modeling and apply it to real-world problems
- Explore data visualization techniques to interact with your data
- Learn how to build a recommendation engine
- Understand how to interact with text data and build models to analyze it
- Work with speech data and recognize spoken words using Hidden Markov Models
- Get well versed with reinforcement learning, automated ML, and transfer learning
- Work with image data and build systems for image recognition and biometric face recognition
- Use deep neural networks to build an optical character recognition system
Who this book is for
This book is for data scientists, machine learning developers, deep learning enthusiasts and Python programmers who want to solve real-world challenges using machine-learning techniques and algorithms. If you are facing challenges at work and want ready-to-use code solutions to cover key tasks in machine learning and the deep learning domain, then this book is what you need. Familiarity with Python programming and machine learning concepts will be useful.
Downloading the example code for this book You can download the example code files for all Packt books you have purchased from your account at http://www.PacktPub.com. If you purchased this book elsewhere, you can visit http://www.PacktPub.com/support and register to have the files e-mailed directly to you.
————————————————————–
ترجمه ماشینی :
با استفاده از کتابخانههای کلیدی از جمله scikit-learn، TensorFlow، و PyTorch راههای قدرتمندی را برای حل مؤثر مشکلات یادگیری ماشین در دنیای واقعی به طور مؤثر کشف کنید
ویژگیهای کلیدی
- یادگیری و پیاده سازی الگوریتم های یادگیری ماشین در انواع سناریوهای واقعی
- تعدادی از وظایف را پوشش می دهد که شامل تکنیک های یادگیری تحت نظارت، بدون نظارت و تقویت می شود
- راهحلهای کد ساده برای مقابله با چالشهای رایج و نه چندان رایج را پیدا کنید
توضیحات کتاب
این نسخه دوم مورد انتظار کتاب آشپزی محبوب یادگیری ماشین پایتون شما را قادر می سازد تا رویکرد جدیدی را برای مقابله با یادگیری ماشینی در دنیای واقعی و وظایف یادگیری عمیق اتخاذ کنید.
با کمک بیش از 100 دستور العمل، یاد خواهید گرفت که با استفاده از کتابخانه های مدرن از اکوسیستم پایتون، برنامه های قدرتمند یادگیری ماشین بسازید. این کتاب همچنین شما را در مورد نحوه پیادهسازی الگوریتمهای مختلف یادگیری ماشین برای موتورهای طبقهبندی، خوشهبندی و توصیه با استفاده از رویکرد مبتنی بر دستور العمل راهنمایی میکند. با تأکید بر راهحلهای عملی، بخشهای اختصاصی کتاب به شما کمک میکند تا تکنیکهای یادگیری تحت نظارت و بدون نظارت را در مسائل دنیای واقعی به کار ببرید. در فصل پایانی، با دستور العمل هایی آشنا می شوید که تکنیک های پیشرفته ای از جمله یادگیری تقویتی، شبکه های عصبی عمیق، و یادگیری ماشین خودکار را به شما می آموزند.
در پایان این کتاب، شما خواهید بود. مجهز به مهارتهایی است که برای بکارگیری تکنیکهای یادگی
tag : دانلود کتاب کتاب آشپزی یادگیری ماشین پایتون: بیش از 100 دستور العمل برای پیشرفت از تجزیه و تحلیل داده های هوشمند به یادگیری عمیق با استفاده از مجموعه داده های دنیای واقعی , Download کتاب آشپزی یادگیری ماشین پایتون: بیش از 100 دستور العمل برای پیشرفت از تجزیه و تحلیل داده های هوشمند به یادگیری عمیق با استفاده از مجموعه داده های دنیای واقعی , دانلود کتاب آشپزی یادگیری ماشین پایتون: بیش از 100 دستور العمل برای پیشرفت از تجزیه و تحلیل داده های هوشمند به یادگیری عمیق با استفاده از مجموعه داده های دنیای واقعی , Download Python machine learning cookbook: over 100 recipes to progress from smart data analytics to deep learning using real-world datasets Book , کتاب آشپزی یادگیری ماشین پایتون: بیش از 100 دستور العمل برای پیشرفت از تجزیه و تحلیل داده های هوشمند به یادگیری عمیق با استفاده از مجموعه داده های دنیای واقعی دانلود , buy کتاب آشپزی یادگیری ماشین پایتون: بیش از 100 دستور العمل برای پیشرفت از تجزیه و تحلیل داده های هوشمند به یادگیری عمیق با استفاده از مجموعه داده های دنیای واقعی , خرید کتاب کتاب آشپزی یادگیری ماشین پایتون: بیش از 100 دستور العمل برای پیشرفت از تجزیه و تحلیل داده های هوشمند به یادگیری عمیق با استفاده از مجموعه داده های دنیای واقعی , دانلود کتاب Python machine learning cookbook: over 100 recipes to progress from smart data analytics to deep learning using real-world datasets , کتاب Python machine learning cookbook: over 100 recipes to progress from smart data analytics to deep learning using real-world datasets , دانلود Python machine learning cookbook: over 100 recipes to progress from smart data analytics to deep learning using real-world datasets , خرید Python machine learning cookbook: over 100 recipes to progress from smart data analytics to deep learning using real-world datasets , خرید کتاب Python machine learning cookbook: over 100 recipes to progress from smart data analytics to deep learning using real-world datasets ,
نقد و بررسیها
هنوز بررسیای ثبت نشده است.