کتاب Data Analysis and Machine Learning with Kaggle

کتاب Data Analysis and Machine Learning with Kaggle یا تجزیه و تحلیل داده‌ها و یادگیری ماشین با Kaggle یک منبع بسیار مناسب برای یادگیری علوم داده و به همراه آن یادگیری ماشین است. این کتاب شما را با مفاهیم اولیه تحلیل داده و یادگیری ماشین با به کارگیری ابزار Kaggle آشنا می‌کند.

در ادامه مقدمه‌ای از کتاب Data Analysis and Machine Learning with Kaggle را از زبان نویسنده شرح خواهیم داد.

مقدمه‌ای بر کتاب Data Analysis and Machine Learning with Kaggle:

با بیش از ده سال رقابت در Kaggle، هر دوی ما در بسیاری از مسابقات اوج و فرودها را تجربه کرده‌ایم. ما اغلب متوجه می‌شویم که دوباره تلاش‌هایمان را روی فعالیت‌های مختلف مرتبط با Kaggle متمرکز می‌کنیم.

با گذشت زمان، ما نه تنها خودمان را وقف رقابت‌ها کردیم، بلکه به ایجاد محتوا و کد بر اساس خواسته‌های بازار علم داده و آرزوهای حرفه ای خودمان نیز پرداختیم. در این مرحله از سفر، ما احساس کردیم که تجربه ترکیبی و اشتیاق داغ ما برای مسابقات واقعاً می‌تواند به سایر شرکت‌کنندگانی که تازه شروع کرده‌اند، یا می‌خواهند الهام بگیرند، کمک کند تا به تخصص ضروری مورد نیاز خود دست یابند. می‌توانند سفر خود را در مسابقات علم داده آغاز کنند.

سپس تصمیم گرفتیم با این هدف روی این کتاب کار کنیم:

برای ارائه بهترین نکات برای رقابتی بودن و نزدیک شدن به اکثر مشکلاتی که ممکن است هنگام شرکت در Kaggle و همچنین سایر مسابقات علم داده پیدا کنید، در یک مکان واحد ارائه دهید.

برای ارائه پیشنهادات کافی برای رسیدن به حداقل سطح متخصص در هر رشته Kaggle: مسابقات، مجموعه داده‌ها، نوت‌بوک‌ها یا بحث‌ها.

برای ارائه نکاتی در مورد چگونگی یادگیری بیشتر از Kaggle و استفاده از این تجربه برای رشد حرفه‌ای در علم داده.

با مصاحبه با استادان و استادان بزرگ Kaggle و گوش دادن به داستان‌های آن‌ها، بیشترین تعداد دیدگاه‌ها را در مورد تجربه شرکت در مسابقات در یک منبع جمع‌آوری کنید.

به طور خلاصه، ما کتابی نوشته‌ایم که نشان می‌دهد چگونه می‌توان با موفقیت در مسابقات شرکت کرد و از همه فرصت‌هایی که Kaggle ارائه می‌کند، حداکثر استفاده را برد. این کتاب همچنین به عنوان یک مرجع عملی در نظر گرفته شده است که از طریق انتخاب بسیاری از نکات و ترفندهای مسابقه که یادگیری و یافتن در مورد آن‌ها در اینترنت یا انجمن‌های Kaggle دشوار است، در وقت و تلاش شما صرفه‌جویی می‌کند.

با این وجود، کتاب Data Analysis and Machine Learning with Kaggle خود را به ارائه کمک عملی محدود نمی‌کند. همچنین می‌خواهد به شما کمک کند تا بفهمید چگونه می‌توانید حرفه خود را در علم داده با شرکت در مسابقات تقویت کنید.

لطفاً توجه داشته باشید: این کتاب علم داده را از پایه به شما آموزش نمی‌دهد. نحوه عملکرد رگرسیون خطی یا جنگل‌های تصادفی یا تقویت گرادیان را به تفصیل توضیح نمی‌دهیم، بلکه نحوه استفاده از آن‌ها را به بهترین شکل و به دست آوردن بهترین نتایج از آن‌ها در یک مسئله داده توضیح می‌دهیم.

ما از خوانندگان خود انتظار داریم پایه‌های محکم و حداقل مهارت اولیه در موضوعات علم داده و استفاده از پایتون را داشته باشیم. اگر هنوز یک مبتدی علوم داده هستید، باید این کتاب را با کتاب‌های دیگری در زمینه علم داده، یادگیری ماشین و یادگیری عمیق تکمیل کنید و در دوره‌های آنلاین آموزش ببینید، مانند دوره‌های ارائه شده توسط خود Kaggle یا MOOC ها مانند edX یا کورسرا.

بیشتر بخوانید: کتاب Microsoft Excel 2019 Data Analysis and Business Modeling

اگر می‌خواهید یادگیری علم داده را به روشی عملی شروع کنید، اگر می‌خواهید خود را با مشکلات داده‌های فریبنده و جذاب به چالش بکشید و به طور همزمان شبکه‌ای از دانشمندان داده بزرگ بسازید که به کار خود در زمینه داده مانند شما علاقه مند هستند، این در واقع همین است. کتاب برای شما بیایید شروع کنیم!

کتاب Data Analysis and Machine Learning with Kaggle برای چه کسی است؟

در زمان تکمیل این کتاب، 96190 تازه کار Kaggle (کاربرانی که به تازگی در وب‌سایت ثبت نام کرده‌اند) و 67666 مشارکت کننده Kaggle (کاربرانی که به تازگی مشخصات خود را پر کرده‌اند) در مسابقات Kaggle ثبت نام کرده‌اند. این کتاب برای همه آن‌ها و برای هرکس دیگری که می‌خواهد یخ را بشکند و شروع به شرکت در مسابقات روی Kaggle کند و از آن‌ها یاد بگیرد نوشته شده است.

آنچه کتاب Data Analysis and Machine Learning with Kaggle پوشش می‌دهد:

بخش 1: مقدمه‌ای بر مسابقات

فصل 1، معرفی Kaggle و سایر مسابقات علم داده، چگونگی تبدیل برنامه‌نویسی رقابتی به مسابقات علم داده را مورد بحث قرار می‌دهد. توضیح می‌دهد که چرا پلتفرم Kaggle محبوب‌ترین سایت برای این مسابقات است و ایده‌ای در مورد نحوه عملکرد آن در اختیار شما قرار می‌دهد.

فصل 2 کتاب Data Analysis and Machine Learning with Kaggle، سازماندهی داده‌ها با مجموعه داده‌ها، شما را با Kaggle Datasets، روش استاندارد ذخیره‌سازی داده‌ها در پلتفرم آشنا می‌کند. ما درباره راه‌اندازی، جمع‌آوری داده‌ها و استفاده از آن در کار شما در Kaggle بحث می‌کنیم.

فصل 3، کار و یادگیری با نوت‌بوک‌های Kaggle، در مورد نوت‌بوک‌های Kaggle، محیط کدنویسی پایه بحث می‌کند. ما در مورد اصول اولیه استفاده از Notebook و همچنین نحوه استفاده از محیط GCP و استفاده از آن‌ها برای ایجاد نمونه کارها در علم داده صحبت می‌کنیم.

فصل 4 کتاب Data Analysis and Machine Learning with Kaggle، استفاده از تالارهای گفتگو، به شما این امکان را می‌دهد که با تالارهای گفتگو، روش اصلی ارتباط و تبادل ایده در Kaggle آشنا شوید.

بخش 2: تقویت مهارت‌های خود برای مسابقات

فصل 5، وظایف و معیارهای رقابت، به جزئیات این موضوع می‌پردازد که چگونه معیارهای ارزیابی برای انواع خاصی از مسائل به شدت بر روشی که می‌توانید هنگام ساخت راه‌حل مدل خود در یک مسابقه علم داده‌ها عمل کنید، تأثیر می‌گذارد. این فصل همچنین به طیف وسیعی از معیارهای موجود در مسابقات Kaggle می‌پردازد.

فصل 6 کتاب Data Analysis and Machine Learning with Kaggle، طراحی اعتبار سنجی خوب، شما را با اهمیت اعتبار سنجی در رقابت‌های داده، بحث در مورد اضافه کردن، تکان دادن، نشت، اعتبار سنجی مخالف، انواع مختلف استراتژی‌های اعتبارسنجی، و استراتژی‌های ارسالی نهایی شما آشنا می‌کند.

فصل 7، مدل‌سازی برای مسابقات جدولی، مسابقات جدولی را مورد بحث قرار می‌دهد، که بیشتر بر واقعیت اخیر Kaggle، سری جدول بازی زمین تمرکز دارد. مسائل جدولی یک روش استاندارد برای اکثر دانشمندان داده در اطراف است و چیزهای زیادی برای یادگیری از Kaggle وجود دارد.

فصل 8 کتاب Data Analysis and Machine Learning with Kaggle، بهینه‌سازی هایپرپارامتر، چگونگی گسترش رویکرد اعتبار سنجی متقاطع را برای یافتن بهترین هایپرپارامترها برای مدل‌های خود – به عبارت دیگر، مواردی که می‌توانند به بهترین شکل در تابلوی امتیازات خصوصی تعمیم دهند – تحت فشار و کمبود زمان و منابع بررسی می‌کند. که در مسابقات Kaggle تجربه می‌کنید.

فصل 9، ترکیب کردن با راه‌حل‌های ترکیبی و انباشته، تکنیک‌های یکپارچه‌سازی را برای مدل‌های چندگانه مانند میانگین‌گیری، ترکیب، و انباشتگی توضیح می‌دهد. ما برخی از نظریه‌ها، برخی تمرین‌ها و چند نمونه کد را در اختیار شما قرار می‌دهیم که می‌توانید هنگام ساخت راه‌حل‌های خود در Kaggle از آن‌ها به عنوان الگو استفاده کنید.

در فصل 10 کتاب Data Analysis and Machine Learning with Kaggle، مدل‌سازی برای بینایی رایانه، مشکلات مربوط به بینایی رایانه، یکی از محبوب‌ترین موضوعات در هوش مصنوعی به طور کلی، و به طور خاص در مورد Kaggle را مورد بحث قرار می‌دهیم. ما خطوط لوله کاملی را برای ایجاد راه‌حل برای چالش‌های طبقه‌بندی تصویر، تشخیص اشیا و تقسیم‌بندی تصویر نشان می‌دهیم.

فصل 11، مدل‌سازی برای NLP، بر انواع چالش‌های کاگل مرتبط با پردازش زبان طبیعی تمرکز دارد. ما نشان می‌دهیم که چگونه می‌توان یک راه‌حل سرتاسر برای مشکلات رایج مانند پاسخ‌گویی به سؤالات دامنه باز ایجاد کرد.

فصل 12 کتاب Data Analysis and Machine Learning with Kaggle، مسابقات شبیه‌سازی و بهینه‌سازی، یک نمای کلی از مسابقات شبیه سازی ارائه می‌دهد، کلاس جدیدی از مسابقات که در چند سال اخیر در Kaggle محبوبیت پیدا کرده است.

بخش 3: استفاده از رقابت‌ها برای شغل شما

فصل 13، ایجاد مجموعه پروژه‌ها و ایده‌های شما، راه‌هایی را بررسی می‌کند که می‌توانید با نمایش کار خود در خود Kaggle و سایر سایت‌ها به روشی مناسب، متمایز شوید.

فصل 14 کتاب Data Analysis and Machine Learning with Kaggle، یافتن فرصت‌های حرفه‌ای جدید، با بحث در مورد بهترین راه‌ها برای استفاده از تمام تجربیات Kaggle به منظور یافتن فرصت‌های حرفه‌ای جدید، مروری بر چگونگی تأثیر مثبت Kaggle بر روی شغل شما به پایان می‌رساند.

سرفصل‌های کتاب Data Analysis and Machine Learning with Kaggle:

• Preface
• Part I: Introduction to Competitions

1. Introducing Kaggle and Other Data Science Competitions

2. Organizing Data with Datasets

3. Working and Learning with Kaggle Notebooks

4. Leveraging Discussion Forums

• Part II: Sharpening Your Skills for Competitions

5. Competition Tasks and Metrics

6. Designing Good Validation

7. Modeling for Tabular Competitions

8. Hyperparameter Optimization

9. Ensembling with Blending and Stacking Solutions

10. Modeling for Computer Vision

11. Modeling for NLP

12. Simulation and Optimization Competitions

• Part III: Leveraging Competitions for Your Career

13. Creating Your Portfolio of Projects and Ideas

14. Finding New Professional Opportunities

• Other Books You May Enjoy
• Index

فایل کتاب Data Analysis and Machine Learning with Kaggle را می‌توانید پس از پرداخت، دریافت کنید.