توضیحاتی در مورد کتاب Hands-On Automated Machine Learning: A Beginner’s Guide to Building Automated Machine Learning Systems Using AutoML and Python
نام کتاب : Hands-On Automated Machine Learning: A Beginner’s Guide to Building Automated Machine Learning Systems Using AutoML and Python
عنوان ترجمه شده به فارسی : آموزش خودکار خودکار عملی: راهنمای مبتدیان برای ساختن سیستمهای یادگیری ماشین خودکار با استفاده از AutoML و Python
سری :
نویسندگان : Sibanjan Das & Umit Mert Cakmak [Das, Sibanjan & Cakmak, Umit Mert]
ناشر : Packt Publishing
سال نشر : 2018
تعداد صفحات : 0
ISBN (شابک) : 9781788629898
زبان کتاب : English
فرمت کتاب : epub درصورت درخواست کاربر به PDF تبدیل می شود
حجم کتاب : 5 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.
توضیحاتی در مورد کتاب :
خودکارسازی خطوط لوله داده و مدل برای برنامه های کاربردی یادگیری ماشینی سریعتر ویژگی های کلیدی ساخت ماژول های خودکار برای اجزای مختلف یادگیری ماشینی درک عمیق هر جزء از خط لوله یادگیری ماشینی یادگیری استفاده از منبع باز مختلف AutoML و پلت فرم های مهندسی ویژگی توضیحات کتاب AutoML برای خودکارسازی قطعات طراحی شده است. فراگیری ماشین. ابزارهای AutoML که به راحتی در دسترس هستند، کار متخصصان علوم داده را آسان می کنند و در جامعه تجزیه و تحلیل پیشرفته به خوبی دریافت می شوند. یادگیری ماشین خودکار پایه و اساس لازم برای ایجاد ماژولهای یادگیری ماشین خودکار را پوشش میدهد و به شما کمک میکند تا در عملیترین شکل ممکن سرعت خود را با آنها انجام دهید. در این کتاب، نحوه خودکارسازی وظایف مختلف در خط لوله یادگیری ماشین مانند پیش پردازش داده ها، انتخاب ویژگی، آموزش مدل، بهینه سازی مدل و موارد دیگر را خواهید آموخت. علاوه بر این، نشان میدهد که چگونه میتوانید از کتابخانههای خودکار موجود، مانند auto-sklearn و MLBox استفاده کنید و اجزای AutoML سفارشی خود را برای یادگیری ماشین ایجاد و گسترش دهید. در پایان این کتاب، درک واضحتری از جنبههای مختلف یادگیری ماشین خودکار خواهید داشت و میتوانید وظایف اتوماسیون را با استفاده از مجموعه دادههای عملی ترکیب کنید. میتوانید از یادگیری خود از این کتاب برای پیادهسازی یادگیری ماشینی در پروژههای خود استفاده کنید و یک قدم به برنده شدن در مسابقات مختلف یادگیری ماشین نزدیکتر شوید. آنچه یاد خواهید گرفت اصول سیستم های یادگیری ماشین خودکار را درک کنید. کاوش auto-sklearn و MLBox برای وظایف AutoML روش های پیش پردازش خود را به همراه تبدیل ویژگی به طور خودکار افزایش دهید انتخاب و تولید ویژگی را با استفاده از پشته پایتون افزایش دهید اجزای فردی ML را در یک چارچوب کامل AutoML جمع آوری کنید. تنظیم برای بهینهسازی مدلهای ML خود در مفاهیم یادگیری ماشینی مانند شبکههای عصبی و رمزگذارهای خودکار غوطهور شوید هزینههای اطلاعاتی و معاوضههای مرتبط با AutoML را درک کنید اگر دانشمند داده، تحلیلگر داده، یا علاقهمند به یادگیری ماشین هستید، این کتاب برای چه کسی است. با مفهوم یادگیری ماشین خودکار جدید هستند، این کتاب برای شما ایده آل است. همچنین اگر یک مهندس ML یا حرفه ای داده باشید که علاقه مند به توسعه خطوط لوله یادگیری ماشین سریع برای پروژه های خود هستید، این کتاب برای شما مفید خواهد بود. آشنایی قبلی با برنامه نویسی پایتون به شما کمک می کند تا بهترین بهره را از این کتاب ببرید.
توضیحاتی در مورد کتاب به زبان اصلی :
Automate data and model pipelines for faster machine learning applications Key Features Build automated modules for different machine learning components Understand each component of a machine learning pipeline in depth Learn to use different open source AutoML and feature engineering platforms Book Description AutoML is designed to automate parts of Machine Learning. Readily available AutoML tools are making data science practitioners' work easy and are received well in the advanced analytics community. Automated Machine Learning covers the necessary foundation needed to create automated machine learning modules and helps you get up to speed with them in the most practical way possible. In this book, you'll learn how to automate different tasks in the machine learning pipeline such as data preprocessing, feature selection, model training, model optimization, and much more. In addition to this, it demonstrates how you can use the available automation libraries, such as auto-sklearn and MLBox, and create and extend your own custom AutoML components for Machine Learning. By the end of this book, you will have a clearer understanding of the different aspects of automated Machine Learning, and you'll be able to incorporate automation tasks using practical datasets. You can leverage your learning from this book to implement Machine Learning in your projects and get a step closer to winning various machine learning competitions. What you will learn Understand the fundamentals of Automated Machine Learning systems Explore auto-sklearn and MLBox for AutoML tasks Automate your preprocessing methods along with feature transformation Enhance feature selection and generation using the Python stack Assemble individual components of ML into a complete AutoML framework Demystify hyperparameter tuning to optimize your ML models Dive into Machine Learning concepts such as neural networks and autoencoders Understand the information costs and trade-offs associated with AutoML Who this book is for If you're a budding data scientist, data analyst, or Machine Learning enthusiast and are new to the concept of automated machine learning, this book is ideal for you. You'll also find this book useful if you're an ML engineer or data professional interested in developing quick machine learning pipelines for your projects. Prior exposure to Python programming will help you get the best out of this book.