کتاب راهکارهای کاربردی یادگیری ماشین با پایتون: پروژه‌های یادگیری ماشین آماده برای تولید با استفاده از کتابخانه‌های پیشرفته و تکنیک‌های آماری قدرتمند

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

دانلود کتاب راه حل های یادگیری ماشین کاربردی با پایتون: پروژه های ML آماده تولید با استفاده از کتابخانه های برش و تکنیک های آماری قدرتمند

عنوان کتاب به انگلیسی

راه حل های یادگیری ماشین کاربردی با پایتون: پروژه های ML آماده تولید با استفاده از کتابخانه های برش و تکنیک های آماری قدرتمند

سال انتشار کتاب2021
زبانانگلیسی
ناشرBPB Publications
تعداد صفحات356
ISBN109391030432
ISBN139789391030438
حجم و فرمت فایلPDF | EPUB, 6.41 MB
نویسندگانSiddhanta Bhatta

توضیحات کتاب

A problem-focused guide for tackling industrial machine learning issues with methods and frameworks chosen by experts.Key Features● Popular techniques for problem formulation, data collection, and data cleaning in machine learning.● Comprehensive and useful machine learning tools such as MLFlow, Streamlit, and many more.● Covers numerous machine learning libraries, including Tensorflow, FastAI, Scikit-Learn, Pandas, and Numpy.DescriptionThis book discusses how to apply machine learning to real-world problems by utilizing real-world data. In this book, you will investigate data sources, become acquainted with data pipelines, and practice how machine learning works through numerous examples and case studies.The book begins with high-level concepts and implementation (with code!) and progresses towards the real-world of ML systems. It briefly discusses various concepts of Statistics and Linear Algebra. You will learn how to formulate a problem, collect data, build a model, and tune it. You will learn about use cases for data analytics, computer vision, and natural language processing. You will also explore nonlinear architecture, thus enabling you to build models with multiple inputs and outputs. You will get trained on creating a machine learning profile, various machine learning libraries, Statistics, and FAST API.Throughout the book, you will use Python to experiment with machine learning libraries such as Tensorflow, Scikit-learn, Spacy, and FastAI. The book will help train our models on both Kaggle and our datasets.What you will learn● Construct a machine learning problem, evaluate the feasibility, and gather and clean data.● Learn to explore data first, select, and train machine learning models.● Fine-tune the chosen model, deploy, and monitor it in production.● Discover popular models for data analytics, computer vision, and Natural Language Processing.Who this book is forThis book caters to beginners in machine learning, software engineers, and students who want to gain a good understanding of machine learning concepts and create production-ready ML systems. This book assumes you have a beginner-level understanding of Python.Table of Contents1. Introduction to Machine Learning2. Problem Formulation in Machine Learning3. Data Acquisition and Cleaning4. Exploratory Data Analysis5. Model Building and Tuning6. Taking Our Model into Production7. Data Analytics Use Case8. Building a Custom Image Classifier from Scratch9. Building a News Summarization App Using Transformers10. Multiple Inputs and Multiple Output Models11. Contributing to the Community12. Creating Your Project13. Crash Course in Numpy, Matplotlib, and Pandas14. Crash Course in Linear Algebra and Statistics15. Crash Course in FastAPIAbout the AuthorsSiddhanta Bhattais a Machine Learning engineer with 6 years of experience in building machine learning products. He is currently working as a Senior Software Engineer in Data Analytics, Machine Learning, and Deep Learning. He has built multiple data apps in various domains such as vision, NLP, Data Analytics, and many more. He is a Microsoft-certified data scientist who believes in data literacy.LinkedIn Profile:https://www.linkedin.com/in/siddhanta-bhatta-377880a7/Blog Link: https://joyofunderstanding926957091.wordpress.com/

توضیحات کتاب به فارسی (ترجمه ماشینی)

یک راهنمای متمرکز بر مشکل برای مقابله با مسائل مربوط به یادگیری ماشین های صنعتی با روش ها و چارچوب های انتخاب شده توسط متخصصاندر مورد نحوه استفاده از یادگیری ماشین برای مشکلات دنیای واقعی با استفاده از داده های دنیای واقعی بحث می کند.در این کتاب ، شما منابع داده را بررسی خواهید کرد ، با خطوط لوله داده آشنا می شوید ، و نحوه یادگیری ماشین را از طریق نمونه های بی شماری و مطالعات موردی انجام می دهید. کتاب با مفاهیم و اجرای سطح بالا (با کد!) شروع می شود و به سمت دنیای واقعی سیستم های ML پیشرفت می کند.به طور خلاصه در مورد مفاهیم مختلف آمار و جبر خطی بحث می کند.شما یاد می گیرید که چگونه یک مشکل را تدوین کنید ، داده ها را جمع آوری کنید ، یک مدل بسازید و آن را تنظیم کنید.شما در مورد موارد استفاده برای تجزیه و تحلیل داده ها ، دید رایانه و پردازش زبان طبیعی خواهید آموخت.شما همچنین معماری غیرخطی را کشف خواهید کرد ، بنابراین شما را قادر می سازد تا مدل هایی با ورودی و خروجی های متعدد ایجاد کنید.شما در زمینه ایجاد پروفایل یادگیری ماشین ، کتابخانه های مختلف یادگیری ماشین ، آمار و API سریع آموزش خواهید دید. از این طریق ، از پایتون استفاده خواهید کرد تا با کتابخانه های یادگیری ماشین مانند Tensorflow ، Scikit-Learn ، Spacy و Fastai آزمایش کنید.این کتاب به آموزش مدل های ما در Kaggle و مجموعه داده های ما کمک می کند. چه چیزی را یاد خواهید گرفت ● ایجاد یک مشکل یادگیری ماشین ، ارزیابی امکان سنجی و جمع آوری داده های تمیز را ایجاد کنید. induence یاد بگیرید که داده ها را در ابتدا کشف کنید ، و مدل های یادگیری ماشین را انتخاب کنید.مهندسان و دانش آموزانی که می خواهند درک خوبی از مفاهیم یادگیری ماشین کسب کنند و سیستم های ML آماده تولید را ایجاد کنند.این کتاب فرض می کند که شما درک سطح مبتدی از Python.Table of Content1 را دارید.مقدمه ای برای یادگیری ماشین 2.فرمول مشکل در یادگیری ماشین 3.دستیابی به داده ها و تمیز کردن 4.تجزیه و تحلیل داده های اکتشافی 5.ساخت مدل و Tuning6.گرفتن مدل ما به تولید 7.تجزیه و تحلیل داده ها از Case8 استفاده می کند.ساختن یک طبقه بندی کننده تصویر سفارشی از Scratch9.ساختن یک برنامه خلاصه اخبار با استفاده از Transformers10.ورودی های چندگانه و چندین مدل خروجی 11.مشارکت در جامعه 12.ایجاد پروژه خود 13.دوره سقوط در Numpy ، Matplotlib و Pandas14.دوره سقوط در جبر خطی و آمار 15.دوره سقوط در Fastapiabout نویسندگان Siddhanta Bhattais یک مهندس یادگیری ماشین با 6 سال تجربه در ساخت محصولات یادگیری ماشین.وی در حال حاضر به عنوان مهندس ارشد نرم افزار در تجزیه و تحلیل داده ها ، یادگیری ماشین و یادگیری عمیق مشغول به کار است.وی چندین برنامه داده را در حوزه های مختلف مانند Vision ، NLP ، تجزیه و تحلیل داده ها و موارد دیگر ساخته است.او یک دانشمند داده های دارای مجوز مایکروسافت است که به سواد داده ها اعتقاد دارد. مشخصات linkedin: https: //www.linkedin.com/in/siddhanta-bhatta-37880a7/blog پیوند: https://joyofunderstanding926957091.wordpress.com/.com/.com/

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر کتاب اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.