توضیحات
Gain a thorough understanding of supervised learning algorithms by developing use cases with Python. You will study supervised learning concepts, Python code, datasets, best practices, resolution of common issues and pitfalls, and practical knowledge of implementing algorithms for structured as well as text and images datasets.
Youll start with an introduction to machine learning, highlighting the differences between supervised, semi-supervised and unsupervised learning. In the following chapters youll study regression and classification problems, mathematics behind them, algorithms like Linear Regression, Logistic Regression, Decision Tree, KNN, Nave Bayes, and advanced algorithms like Random Forest, SVM, Gradient Boosting and Neural Networks. Python implementation is provided for all the algorithms. Youll conclude with an end-to-end model development process including deployment and maintenance of the model.
After reading Supervised Learning with Python youll have a broad understanding of supervised learning and its practical implementation, and be able to run the code and extend it in an innovative manner.
What You’ll Learn
- Review the fundamental building blocks and concepts of supervised learning using Python
- Develop supervised learning solutions for structured data as well as text and images
- Solve issues around overfitting, feature engineering, data cleansing, and cross-validation for building best fit models
- Understand the end-to-end model cycle from business problem definition to model deployment and model maintenance
- Avoid the common pitfalls and adhere to best practices while creating a supervised learning model using Python
Who This Book Is For
Data scientists or data analysts interested in best practices and standards for supervised learning, and using classification algorithms and regression techniques to develop predictive models.
————————————————————–
ترجمه ماشینی :
با توسعه موارد استفاده با پایتون، درک کاملی از الگوریتم های یادگیری نظارت شده به دست آورید. شما مفاهیم یادگیری نظارت شده، کد پایتون، مجموعه داده ها، بهترین شیوه ها، حل مسائل و مشکلات رایج و دانش عملی پیاده سازی الگوریتم ها برای مجموعه داده های ساختاریافته و متنی و تصاویر را مطالعه خواهید کرد.
با مقدمه ای بر یادگیری ماشین شروع خواهید کرد. ، تفاوت بین یادگیری تحت نظارت، نیمه نظارت و بدون نظارت را برجسته می کند. در فصلهای بعدی مشکلات رگرسیون و طبقهبندی، ریاضیات پشت آنها، الگوریتمهایی مانند رگرسیون خطی، رگرسیون لجستیک، درخت تصمیم، KNN، Nave Bayes و الگوریتمهای پیشرفته مانند جنگل تصادفی، SVM، تقویت گرادیان و شبکههای عصبی را مطالعه خواهید کرد. پیاده سازی پایتون برای همه الگوریتم ها ارائه شده است. با یک فرآیند توسعه مدل سرتاسر از جمله استقرار و نگهداری مدل به پایان میرسید.
پس از خواندن آموزش نظارت شده با پایتون، درک گستردهای از یادگیری تحت نظارت و اجرای عملی آن خواهید داشت و میتوانید کد را اجرا کنید. و آن را به روشی نوآورانه گسترش دهید.
آنچه یاد خواهید گرفت
- موارد اساسی و مفاهیم یادگیری تحت نظارت را با استفاده از پایتون مرور کنید
- مشکلات مربوط به اضافه کردن، مهندسی ویژگیها، پاکسازی دادهها و اعتبارسنجی متقابل را برای ساخت مدلهای مناسب حل کنید
- درک چرخه مدل انتها به انتها از تعریف مشکل کسب و کار تا استقرار مدل و نگهداری مدل
- از مشکلات رایج اجتناب کنید و هنگام ایجاد یک مدل یادگیری نظارت شده با استفاده از Python به بهترین شیوه ها پایبند باشید
<. li>راهحلهای یادگیری تحت نظارت را برای دادههای ساختاریافته و همچنین متن و تصاویر ایجاد کنید
این کتاب برای چه کسی است
دانشمندان داده یا تحلیلگران داده که علاقه مند به بهترین شیوه ها و استانداردهای یادگیری تحت نظارت و استفاده از الگوریتم های طبقه بندی و تکنیک های رگرسیون برای توسعه مدل های پیش بینی هستند.
tag : دانلود کتاب یادگیری نظارت شده با پایتون: مفاهیم و پیاده سازی عملی با استفاده از پایتون , Download یادگیری نظارت شده با پایتون: مفاهیم و پیاده سازی عملی با استفاده از پایتون , دانلود یادگیری نظارت شده با پایتون: مفاهیم و پیاده سازی عملی با استفاده از پایتون , Download Supervised Learning with Python: Concepts and Practical Implementation Using Python Book , یادگیری نظارت شده با پایتون: مفاهیم و پیاده سازی عملی با استفاده از پایتون دانلود , buy یادگیری نظارت شده با پایتون: مفاهیم و پیاده سازی عملی با استفاده از پایتون , خرید کتاب یادگیری نظارت شده با پایتون: مفاهیم و پیاده سازی عملی با استفاده از پایتون , دانلود کتاب Supervised Learning with Python: Concepts and Practical Implementation Using Python , کتاب Supervised Learning with Python: Concepts and Practical Implementation Using Python , دانلود Supervised Learning with Python: Concepts and Practical Implementation Using Python , خرید Supervised Learning with Python: Concepts and Practical Implementation Using Python , خرید کتاب Supervised Learning with Python: Concepts and Practical Implementation Using Python ,
نقد و بررسیها
هنوز بررسیای ثبت نشده است.