دانلود کتاب الگوریتم های علم داده در یک هفته - ویرایش دوم بعد از پرداخت مقدور خواهد بود
توضیحات کتاب در بخش جزئیات آمده است و می توانید موارد را مشاهده فرمایید
نام کتاب : Data Science Algorithms in a Week - Second Edition
عنوان ترجمه شده به فارسی : الگوریتم های علم داده در یک هفته - ویرایش دوم
سری :
نویسندگان : David Natingga [David Natingga]
ناشر : Packt Publishing
سال نشر : 2018
تعداد صفحات : 0
زبان کتاب : English
فرمت کتاب : epub درصورت درخواست کاربر به PDF تبدیل می شود
حجم کتاب : 2 مگابایت
بعد از تکمیل فرایند پرداخت لینک دانلود کتاب ارائه خواهد شد. درصورت ثبت نام و ورود به حساب کاربری خود قادر خواهید بود لیست کتاب های خریداری شده را مشاهده فرمایید.
در 7 روز یک پایه قوی از الگوریتم های یادگیری ماشین بسازید
برنامههای یادگیری ماشینی بسیار خودکار هستند و خود اصلاح میشوند، و همچنان که از داده های آموزش دیده یاد می گیرند، با کمترین مداخله انسانی به بهبود در طول زمان ادامه می دهند. برای پرداختن به ماهیت پیچیده مشکلات مختلف داده های دنیای واقعی، الگوریتم های تخصصی یادگیری ماشین توسعه یافته اند. از طریق تحلیل الگوریتمی و آماری، می توان از این مدل ها برای به دست آوردن دانش جدید از داده های موجود نیز استفاده کرد.
الگوریتم های علم داده در یک هفته به تمام مشکلات مربوط به طبقه بندی و پیش بینی دقیق و کارآمد داده ها می پردازد. در طول هفت روز، با هفت الگوریتم همراه با تمرین هایی آشنا می شوید که به شما در درک جنبه های مختلف یادگیری ماشین کمک می کند. خواهید دید که چگونه داده های خود را برای بهینه سازی و طبقه بندی برای مجموعه داده های بزرگ از پیش خوشه بندی کنید. این کتاب همچنین شما را در پیش بینی داده ها بر اساس روندهای موجود در مجموعه داده شما راهنمایی می کند. این کتاب الگوریتمهایی مانند k-نزدیکترین همسایه، Naive Bayes، درختهای تصمیم، جنگل تصادفی، k-means، رگرسیون و تحلیل سریهای زمانی را پوشش میدهد.
در پایان این کتاب، نحوه انتخاب الگوریتمهای یادگیری ماشینی برای خوشهبندی، طبقهبندی و رگرسیون را خواهید فهمید و میدانید کدامیک برای مشکل شما مناسبتر است
این کتاب برای متخصصان مشتاق علم داده است که آشنا هستند با پایتون و کمی پیشینه در آمار. همچنین اگر در حال حاضر با الگوریتم های علم داده تا حدی کار می کنید و می خواهید مجموعه مهارت های خود را گسترش دهید، این کتاب برای شما مفید خواهد بود
دانلود کد نمونه برای این کتاب می توانید فایل های کد نمونه را دانلود کنید همه کتابهای Packt که از حساب خود در http://www.PacktPub.com خریداری کردهاید. اگر این کتاب را از جای دیگری خریداری کرده اید، می توانید به http://www.PacktPub.com/support مراجعه کرده و ثبت نام کنید تا فایل ها مستقیماً برای شما ایمیل شوند.
Build a strong foundation of machine learning algorithms in 7 days
Machine learning applications are highly automated and self-modifying, and continue to improve over time with minimal human intervention, as they learn from the trained data. To address the complex nature of various real-world data problems, specialized machine learning algorithms have been developed. Through algorithmic and statistical analysis, these models can be leveraged to gain new knowledge from existing data as well.
Data Science Algorithms in a Week addresses all problems related to accurate and efficient data classification and prediction. Over the course of seven days, you will be introduced to seven algorithms, along with exercises that will help you understand different aspects of machine learning. You will see how to pre-cluster your data to optimize and classify it for large datasets. This book also guides you in predicting data based on existing trends in your dataset. This book covers algorithms such as k-nearest neighbors, Naive Bayes, decision trees, random forest, k-means, regression, and time-series analysis.
By the end of this book, you will understand how to choose machine learning algorithms for clustering, classification, and regression and know which is best suited for your problem
This book is for aspiring data science professionals who are familiar with Python and have a little background in statistics. You'll also find this book useful if you're currently working with data science algorithms in some capacity and want to expand your skill set
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.