یادگیری ماشین با پایتون در قالب مثال های کاربردی
گارانتی سلامت فیزیکی کالا
  • انتشارات: انتشارات علوم رایانه
  • نویسنده: یوکسی (هایدن) لیو
  • مترجم: رویا راد
  • ویراست: 3
  • تعداد صفحه: 412
  • سال انتشار: 1400
  • مناسب برای: بزرگسالان
قیمت : 168,000 تومان
210,000 تومان
مشخصات
انتشارات
انتشارات علوم رایانه
نویسنده
یوکسی (هایدن) لیو
مترجم
رویا راد
ویراست
3
تعداد صفحه
412
سال انتشار
1400
سری چاپ
1
قطع کتاب
وزیری
نوع جلد
شومیز
زبان
فارسی
مناسب برای
بزرگسالان
شابک
978-600-205-179-0
وزن
350 گرم
فهرست مطالب

فصل اول: شروع کار با یادگیری ماشین و پایتون
1-1. مقدمه‌ای بر یادگیری ماشین
1-2. دانستن پیش‌نیازها
1-3. شروع با سه نوع یادگیری ماشین
1-4. کاوش در هسته‌ی اصلی یادگیری ماشین
1-5. پیش‌پردازش داده‌ها و مهندسی ویژگی‌ها
1-6. ترکیب مدل‌ها
1-7. نصب نرم‌افزار و راه‌اندازی
1-8. خلاصه
1-9. تمرین

فصل دوم: ساخت موتور پیشنهاد فیلم با نایو بیز
2-1. شروع کار با دسته‌بندی
2-2. کاوش در نایو بیز
2-3. پیاده‌سازی نایو بیز
2-4. ساخت پیشنهادگر فیلم با نایو بیز
2-5. ارزیابی عملکرد دسته‌بندی
2-6. تنظیم دقیق مدل‌ها با اعتبارسنجی متقاطع
2-7. خلاصه
2-8. تمرین

فصل سوم : تشخیص چهره با ماشین بردار پشتیبان
3-1. یافتن مرز جداکننده با SVM
3-2. دسته‌بندی تصاویر چهره با SVM
3-3. دسته‌بندی حالت جنین در قلب و عروق
3-4. خلاصه
3-5. تمرین

فصل چهارم: پیش‌بینی کلیک روی تبلیغات آنلاین با الگوریتم‌های مبتنی بر درخت
4-1. مروری کوتاه بر پیش‌بینی کلیک روی تبلیغ
4-2. شروع با دو نوع داده - عددی و طبقه‌ای
4-3. بررسی یک درخت تصمیم از ریشه تا برگ
4-4. پیاده‌سازی درخت تصمیم بدون کتابخانه
4-5. پیاده‌سازی درخت تصمیم با scikit-learn
4-6. پیش‌بینی کلیک روی تبلیغ با درخت تصمیم
4-7. درخت تصمیم - جنگل تصادفی
4-8. درخت تصمیم- درخت تقویت‌شده با گرادیان
4-9. خلاصه
4-10. تمرین

فصل پنجم : پیش‌بینی کلیک روی تبلیغات آنلاین با رگرسیون لجستیک
5-1. تبدیل ویژگی‌های طبقه‌ای به عددی – کدگذاری تک‌نمود و کدگذاری ترتیبی
5-2. دسته‌بندی داده‌ها با رگرسیون لجستیک
5-3. آموزش مدل رگرسیون لجستیک
5-4. آموزش مجموعه داده‌های بزرگ با یادگیری آنلاین
5-5. کار با دسته‌بند چنددسته‌ای
5-6. پیاده‌سازی رگرسیون لجستیک با استفاده از TensorFlow
5-7. انتخاب ویژگی با استفاده از جنگل تصادفی
5-8. خلاصه
5-9. تمرین

فصل ششم : افزایش مقیاس پیش‌بینی در رویدادنامه‌های ترابایتی کلیک
6-1. آموزش موارد ضروری آپاچی اسپارک
6-2. برنامه‌نویسی در پای اسپارک
6-3. یادگیری در مورد رویدادنامه‌های کلیک کلان با اسپارک
6-4. مهندسی ویژگی در متغیرهای دسته‌بندی با اسپارک
6-5. خلاصه
6-6. تمرین

فصل هفتم: پیش‌بینی قیمت‌ سهام با الگوریتم‌های رگرسیون
7-1. مروری کوتاه بر بورس و قیمت سهام
7-2. رگرسیون چیست؟
7-3. استخراج داده‌های قیمت سهام
7-4. تخمین با رگرسیون خطی
7-5. تخمین با رگرسیون درخت تصمیم
7-6. تخمین با رگرسیون بردار پشتیبان
7-7. ارزیابی عملکرد رگرسیون
7-8. پیش‌بینی قیمت سهام با سه الگوریتم رگرسیون
7-9. خلاصه
7-10. تمرین

فصل هشتم: پیش‌بینی قیمت‌ سهام با شبکه‌های عصبی مصنوعی
8-1. ابهام‌زدایی از شبکه‌های عصبی
8-2. ایجاد شبکه‌های عصبی
8-3. انتخاب توابع مناسب
8-4. جلوگیری از بیش‌برازش در شبکه‌های عصبی
8-5. پیش‌بینی قیمت سهام با شبکه‌های عصبی
8-6. خلاصه
8-7. تمرین

فصل نهم : کاوش در مجموعه داده‌های گروه‌های خبری با روش‌های تجزیه و تحلیل متن
9-1. کامپیوترها چگونه می‌فهمند- زبان NLP
9-2. گشت‌و‌گذار در کتابخانه‌های معروف NLP و انتخاب اصول اولیه NLP
9-3. دریافت داده‌های گروه‌های خبری
9-4. کاوش در داده‌های گروه‌های خبری
9-5. تفکری درباره‌ی ویژگی‌های داده‌های متنی
9-6. ترسیم داده‌های گروه‌های خبری با t-SNE
9-7. خلاصه
9-8. تمرین

فصل دهم : کشف عناوین کلیدی در مجموعه گروه‌های خبری  با خوشه‌بندی و مدل‌سازی موضوع
10-1. یادگیری بدون راهنما - یادگیری بدون نظارت
10-2. خوشه‌بندی داده‌های گروه‌های خبری با استفاده از k-means
10-3.کشف موضوعات اصلی در گروه‌های خبری
10-4. خلاصه
10-5. تمرین

فصل یازدهم: بهترین روش‌های یادگیری ماشین
11-1. گردش کار راه‌حل‌های مبتنی بر یادگیری ماشین
11-2. بهترین روش‌ها در مرحله‌ی آماده‌سازی داده‌ها
11-3. بهترین روش‌ها در مرحله‌ی تولید مجموعه آموزشی
11-4. بهترین روش‌ها در مرحله‌ی آموزش، ارزیابی و انتخاب مدل
11-5. بهترین روش‌ها در مرحله‌ی استقرار و نظارت
11-6. خلاصه
11-7. تمرین

فصل دوازدهم : دسته‌بندی تصاویر لباس با شبکه‌های عصبی پیچشی
12-1. شروع کار با بخش‌های اصلیCNN
12-2. معماری CNN برای دسته‌بندی
12-3. کاوش در مجموعه داده‌های تصویر لباس
12-4. دسته‌بندی تصاویر لباس با CNN
12-5. تقویت دسته‌بندی CNN با افزایش داده‌ها
12-6. بهبود دسته‌بندی تصویر لباس با افزایش داده‌ها
12-7. خلاصه
12-8. تمرین

فصل سیزدهم : پیش‌بینی توالی‌ها با استفاده از شبکه‌های عصبی بازگشتی
13-1. معرفی یادگیری متوالی
13-2. یادگیری معماری RNN با مثال
13-3. آموزش مدل RNN
13-4. غلبه بر وابستگی‌های طولانی‌مدت با حافظه‌ی طولانی کوتاه‌مدت
13-5. تجزیه و تحلیل احساسات در نظرات فیلم‌ها با RNN‌ها
13-6. نوشتن رمان جنگ و صلح خود با RNN‌ها
13-7. پیشرفت درک زبان با مدل مبدل
13-8. خلاصه
13-9. تمرین

فصل چهاردهم : تصمیم‌گیری در محیط‌های پیچیده با یادیگری تقویتی
14-1. تنظیم محیط کار
14-2. معرفی یادگیری تقویتی با مثال
14-3. حل محیط دریاچه‌ی یخی با برنامه‌نویسی پویا
14-4. پیاده‌سازی یادگیری مونت کارلو
14-5. حل مسأله‌ی تاکسی با الگوریتم یادگیری Q
14-6. خلاصه
14-7. تمرین

واژه‌نامه انگلیسی به فارسی
واژه‌نامه فارسی به انگلیسی
اختصارات
منابع و مآخذ
نظر خود را بنویسید
نظرات کاربران
Copyright © 2021 Powered By Olomrayaneh web developer team, All Rights Reserved.