کتاب Mastering Machine Learning Algorithms را به جرأت می‌توان از قوی‌ترین و منحصربه‌فردترین کتاب‌های آموزش یادگیری ماشین دانست. در این کتاب به شرح الگوریتم‌های پیچیده و چالش‌برانگیز این علم پرداخته می‌شود. همچنین به شرح معادلات ریاضی در این علم و چگونگی حل آن‌ها، کاربرد آن‌ها در دنیای واقعی و روش‌های به کارگیری آن‌ها به زبان ساده و علمی می‌پردازد. کتاب Mastering Machine Learning Algorithms در سال 2020 به چاپ رسیده و از به‌روز ترین روش‌های بیان یادگیری ماشین استفاده می‌کند.
همچنین شما می‌توانید برای یادگیری عملی تکنیک یادگیری ماشین با زبان پایتون از کتاب Python Machine Learning نیز استفاده کنید.
یادگیری ماشین و مفهوم آن:
گذری بر الگوریتم‌های یادگیری ماشین:
الگوريتم‌های یادگیری ماشین اغلب به دو دسته نظارتی یا Supervised (داده‌های آموزشی با پاسخ‌ها برچسب‌گذاری می‌شوند) بدون نظارت یا Unsupervised (برچسب‌های موجود به الگوریتم آموزش نشان داده نمی‌شود) تقسیم می‌شوند.
مسائل یادگیری ماشین نظارتی نیز به دو گروه طبقه‌بندی یا Classification (پیش‌بینی پاسخ‌های غیر عددی، مانند احتمال خطا در پرداخت وام مسکن) و رگرسیون یا Regression (پیش‌بینی پاسخ‌های عددی، مانند تعداد چیزهایی که ماه آینده در فروشگاه شما فروخته می‌شود) تقسیم می‌شوند. یادگیری بدون نظارت هم به سه دسته خوشه‌بندی یا Clustering (پیدا کردن گروه‌هایی از اشیا مشابه مانند کفش‌های ورزشی، کفش‌های طبی و کفش‌های مجلسی)، مشارکتی یا Association (پیدا کردن توالی‌های مشترک از اشیا، مانند قهوه و خامه) و کاهش ابعاد یا Dimensionality Reduction (طرح‌ریزی، انتخاب ویژگی و استخراج ویژگی) تقسیم می‌شوند.
منبع: https://bit.ly/2LDYBxp
برخی از الگوریتم‌های توضیح داد شده در کتاب Mastering Machine Learning Algorithms:
- The EM Algorithm
- Advanced Boosting Algorithms
- Advanced Policy Estimation Algorithms
سرفصل‌های کتاب Mastering Machine Learning Algorithms:
- Machine Learning Model Fundamentals
- Loss Functions and Regularization
- Introduction to Semi-Supervised Learning
- Advanced Semi-Supervised Classification
- Graph-Based Semi-Supervised Learning
- Clustering and Unsupervised Models
- Advanced Clustering and Unsupervised Models
- Clustering and Unsupervised Models for Marketing
- Generalized Linear Models and Regression
- Introduction to Time-Series Analysis
- Bayesian Networks and Hidden Markov Models
- The EM Algorithm
- Component Analysis and Dimensionality Reduction
Hebbian Learning - Fundamentals of Ensemble Learning
- Advanced Boosting Algorithms
- Modeling Neural Networks
- Optimizing Neural Networks
- Deep Convolutional Networks
- Recurrent Neural Networks
- Autoencoders
- Introduction to Generative Adversarial Networks
- Deep Belief Networks
- Introduction to Reinforcement Learning
- Advanced Policy Estimation Algorithms
فایل کتاب Mastering Machine Learning Algorithms را می‌توانید پس از پرداخت دانلود کنید.
دیدگاهها
هیچ دیدگاهی برای این محصول نوشته نشده است.