۲۰۲۴
کتاب Python Machine Learning
فرمت کتاب
انتشارات
Wiley
سال انتشار
2019
حجم
12.28 مگابایت
نویسنده
Wei-Meng-Lee
info نکات مهم قبل از خرید:
- نسخه کتاب فعلی به زبان لاتین میباشد.
- کتاب به صورت محصول میباشد و پس از خرید بلافاصله در دسترس شما قرار میگیرد.
- قبل از خرید، قسمت توضیحات تکمیلی مربوط به هر کتاب را مطالعه کنید.
- در صورت هرگونه سؤال با ایمیل و یا شماره پشتیبانی سایت در تماس باشید.
- درگاه پرداخت رمزارز نیز برای هموطنان خارج از کشور فعال است.
درباره این کتاب
کتاب Python Machine Learning برای آموزش عملی به همراه مثالهای کاربردی یادگیری ماشین میباشد. این کتاب با جدیدترین متدها و روشهای روز دنیا به آموزش این شاخه از علم رایانه پرداخته است. از جمله کتابخانههایی که در کتاب به آن پرداخته شده است NumPy و Panda است. همچنین تعاریف و مفاهیم مهم یادگیری ماشین را با زبانی گویا و به روز بیان کرده است. مروری بر کتابخانه NumPy: نامپای (NumPy)…
کتابهای پیشنهادی سردبیر
کتابهای پیشنهادی دیگر
نظرات کاربران
تجربیات خود را از خواندن این کتاب با دیگران به اشتراک بگذارید.
ثبت نظر جدید
هنوز دیدگاهی ثبت نشده است.
کتاب Python Machine Learning برای آموزش عملی به همراه مثالهای کاربردی یادگیری ماشین میباشد. این کتاب با جدیدترین متدها و روشهای روز دنیا به آموزش این شاخه از علم رایانه پرداخته است. از جمله کتابخانههایی که در کتاب به آن پرداخته شده است NumPy و Panda است. همچنین تعاریف و مفاهیم مهم یادگیری ماشین را با زبانی گویا و به روز بیان کرده است.
مروری بر کتابخانه NumPy:
نامپای (NumPy) یک بستهٔ نرمافزاری قابل افزودن به پایتون است که کاربرد اصلیاش در مقاصد علمی و برای کار با اعداد است. پایتون به صورت پیشفرض تنها از آرایهها و متغیرها برای عملیات ریاضی ساده پشتیبانی میکند. بستهٔ نامپای ویژهٔ کار با اعداد از راه ماتریسها و آرایههای چندبعدی طراحی شده است. از ویژگیهای آرایهها در نامپای این است که میتوان اندازهٔ آنها به صورت پویا تغییر داد که این امر به افزایش سرعت برنامهنویسی کمک میکند. نامپای را میتوان بستهٔ بنیادی پایتون برای محاسبات علمی دانست، این بسته افزون بر فراهمآوردن قابلیت کار با آرایههای اِن-بعدی، عملگرهای درایه به درایه و عملگرهای اصلی جبر خطی، قابلیت لفافپیچی کدهای سی، سی++ و فورترن را ممکن میسازد.
با استفاده از آرایههای انبعدی (ndarray) نامپای، میتوان بر محدودیتهای لیستهای پایتون (list) که تنها با استفاده از حلقههای تکرار میتوان بر روی آنها کار کرد، غلبه نمود و بازدهی را بالا برد. تنها محدودیت مهم آرایههای اِنبعدی نامپای در مقایسه با لیستهای پایتون در این است که باید حتماً نوع دادههای موجود در درایههای آن یکسان باشند. در مقابل سرعت انجام عملیاتی که با استفاده از آرایههای انبعدی اجرا میشود بیشتر است.
بیشتر بخوانید: کتاب Introduction to Algorithms for Data Mining and Machine Learning
سرفصلهای کتاب Python Machine Learning:
- Introduction to Machine Learning
- Extending Python Using NumPy
- Manipulating Tabular Data Using Pandas
- Data Visualization Using matplotlib
- Getting Started with Scikit-learn for Machine Learning
- Supervised Learning—Linear Regression
- Supervised Learning—Classification Using Logistic Regression
- Supervised Learning—Classification Using Support Vector Machines
- Supervised Learning—Classification Using K-Nearest Neighbors (KNN)
- Unsupervised Learning—Clustering Using K-Means
- Using Azure Machine Learning Studio
- Deploying Machine Learning Models
فایل کتاب Python Machine Learning را میتوانید پس از پرداخت دانلود کنید.
