کتاب The Art of Machine Learning: A Hands-On Guide to Machine Learning with R (هنر یادگیری ماشینی: راهنمای عملی برای یادگیری ماشین با R) یک منبع کاربردی برای یادگیری علم Machine Learning با استفاده از زبان برنامه‌نویسی R است.
در ادامه مقدمه‌ای از کتاب The Art of Machine Learning را شرح خواهیم داد.
مقدمه‌ای بر کتاب The Art of Machine Learning:
با استفاده از این راهنمای عملی، یاد بگیرید که به طور ماهرانه طیف وسیعی از روش‌های یادگیری ماشین را در داده‌های واقعی اعمال کنید.
مجموعه داده‌های واقعی و مثال‌های عملی، هنر یادگیری ماشین به شما کمک می‌کند تا بدون نیاز به ریاضیات پیشرفته، درک شهودی از نحوه و چرایی کار روش‌های ML ایجاد کنید.
همانطور که روی کتاب کار می‌کنید، یاد خواهید گرفت که چگونه طیف وسیعی از تکنیک‌های قدرتمند ML را پیاده‌سازی کنید، از روش نزدیک‌ترین همسایه k-nearest (k-NN) و جنگل‌های تصادفی شروع کنید و به سمت تقویت گرادیان، ماشین‌های بردار پشتیبانی (SVMs) بروید، شبکه‌های عصبی و موارد دیگر.
بیشتر بخوانید: کتاب Synthetic Data for Machine Learning
با کمک مجموعه داده‌های واقعی، از طریق استفاده از مجموعه داده اشتراک‌گذاری دوچرخه، به مدل‌های رگرسیون می‌پردازید، درخت‌های تصمیم‌گیری را با استفاده از داده‌های تاکسی شهر نیویورک کشف می‌کنید و روش‌های پارامتریک را با آمار بازیکنان بیسبال تشریح می‌کنید. همچنین نکات متخصص را برای اجتناب از مشکلات رایج، مانند مدیریت داده‌های «کثیف» یا نامتعادل، و نحوه عیب‌یابی مشکلات پیدا خواهید کرد.
همچنین در کتاب The Art of Machine Learning کاوش خواهید کرد:
- نحوه برخورد با مجموعه داده‌های بزرگ و تکنیک‌های کاهش ابعاد
- جزئیاتی در مورد نحوه انجام معاوضه بایاس-واریانس در روش‌های خاص ML
- مدل‌های مبتنی بر روابط خطی، از جمله رگرسیون برآمدگی و LASSO
- طبقه‌بندی تصاویر و متن در دنیای واقعی و نحوه مدیریت داده‌های سری زمانی
یادگیری ماشینی هنری است که نیاز به تنظیم و تنظیم دقیق دارد. با هنر یادگیری ماشینی به عنوان راهنمای خود، بر اصول اساسی ML تسلط خواهید داشت که به شما قدرت می‌دهد تا به طور مؤثر از این مدل‌ها استفاده کنید، نه اینکه صرفاً چند اقدام سهام را با استفاده عملی محدود ارائه دهید.
الزامات: درک اولیه از نمودار‌ها و نمودار‌ها و آشنایی با زبان برنامه‌نویسی R
بیشتر بخوانید: کتاب Architecting Data and Machine Learning Platforms
سرفصل‌های کتاب The Art of Machine Learning:
- Cover Page
- Title Page
- Copyright Page
- About the Author
- About the Technical Reviewer
- BRIEF CONTENTS
- CONTENTS IN DETAIL
- ACKNOWLEDGMENTS
- INTRODUCTION
- PART I: PROLOGUE, AND NEIGHBORHOOD-BASED METHODS
- 1 REGRESSION MODELS
- 2 CLASSIFICATION MODELS
- 3 BIAS, VARIANCE, OVERFITTING, AND CROSS-VALIDATION
- 4 DEALING WITH LARGE NUMBERS OF FEATURES
- PART II: TREE-BASED METHODS
- 5 A STEP BEYOND K-NN: DECISION TREES
- 6 TWEAKING THE TREES
- 7 FINDING A GOOD SET OF HYPERPARAMETERS
- PART III: METHODS BASED ON LINEAR RELATIONSHIPS
- 8 PARAMETRIC METHODS
- 9 CUTTING THINGS DOWN TO SIZE: REGULARIZATION
- PART IV: METHODS BASED ON SEPARATING LINES AND PLANES
- 10 A BOUNDARY APPROACH: SUPPORT VECTOR MACHINES 10.9 Summary
- 11 LINEAR MODELS ON STEROIDS: NEURAL NETWORKS
- PART V: APPLICATIONS
- 12 IMAGE CLASSIFICATION
- 13 HANDLING TIME SERIES AND TEXT DATA
- A LIST OF ACRONYMS AND SYMBOLS
- B STATISTICS AND ML TERMINOLOGY CORRESPONDENCE
- C MATRICES, DATA FRAMES, AND FACTOR CONVERSIONS
- D PITFALL: BEWARE OF “P-HACKING”!
- INDEX
جهت دانلود کتاب The Art of Machine Learning می‌توانید پس از پرداخت، دریافت کنید.
دیدگاهها
هیچ دیدگاهی برای این محصول نوشته نشده است.