کتاب Hands-On Machine Learning with C++

کتاب Hands-On Machine Learning with C++, 2nd Edition: Build, train, and deploy end-to-end machine learning and deep learning pipelines (یادگیری ماشین عملی با C++، ویرایش دوم: ساخت، آموزش و استقرار پایپ‌لاین‌های یادگیری ماشین و یادگیری عمیق از ابتدا تا انتها) یک منبع جامع برای توسعه‌دهندگان و دانشجویان است که می‌خواهند مهارت‌های خود را در زمینه یادگیری ماشین و یادگیری عمیق با استفاده از زبان C++ تقویت کنند. این کتاب به شما یاد می‌دهد که چگونه به صورت عملی مدل‌های یادگیری ماشین را بسازید، آموزش دهید و در نهایت استقرار دهید.

در ادامه مقدمه‌ای از کتاب Hands-On Machine Learning with C++ را از زبان نویسنده شرح خواهیم داد.

مقدمه‌ای بر کتاب Hands-On Machine Learning with C++:

C++ می‌تواند مدل‌های یادگیری ماشین (ML) شما را سریع‌تر و کارآمدتر اجرا کند. این کتاب به شما اصول اولیه ML را آموزش می‌دهد و نشان می‌دهد که چگونه از کتابخانه‌های C++ استفاده کنید. در این کتاب توضیح داده می‌شود که چگونه مدل‌های ML نظارت شده و بدون نظارت ایجاد کنید.

شما در کتاب Hands-On Machine Learning with C++ با تنظیم و بهینه‌سازی مدل برای موارد مختلف آشنا خواهید شد که به انتخاب مدل و اندازه‌گیری عملکرد عضویت می‌کند. این کتاب به تکنیک‌هایی مانند توصیه‌های محصولات، یادگیری ترکیبی، شناسایی ناهنجاری‌ها، تحلیل احساسات و شناسایی اشیاء با استفاده از کتابخانه‌های مدرن C++ می‌پردازد. همچنین، یاد خواهید گرفت که چگونه چالش‌های مربوط به تولید و استقرار را در پلتفرم‌های موبایل مدیریت کنید و چگونه فرمت مدل ONNX می‌تواند به شما در این وظایف کمک کند.

این ویرایش جدید به روز شده است و موضوعات کلیدی مانند پیاده‌سازی تحلیل احساسات با استفاده از یادگیری انتقالی و مدل‌های مبتنی بر ترنسفورمر و ردیابی و تجسم آزمایش‌های ML با MLflow را شامل می‌شود. همچنین، یک بخش اضافی درباره استفاده از Optuna برای انتخاب هایپرپارامترها وجود دارد. بخش مربوط به استقرار مدل‌ها در پلتفرم‌های موبایل با توضیح مفصل در مورد شناسایی اشیاء در زمان واقعی برای Android با C++ گسترش یافته است.

در پایان این کتاب C++، شما دانشی در زمینه ML و C++ به دست خواهید آورد و همچنین مهارت‌هایی برای استفاده از C++ برای ساخت سیستم‌های ML قدرتمند خواهید داشت.

کتاب Hands-On Machine Learning with C++ برای چه کسانی است؟

اگر می‌خواهید با الگوریتم‌ها و تکنیک‌های ML با استفاده از زبان محبوب C++ شروع کنید، این کتاب برای شما مناسب است. علاوه بر اینکه یک دوره اولیه مفید در ML با C++ است، این کتاب همچنین به تحلیلگران داده، دانشمندان داده و توسعه‌دهندگان ML که به دنبال پیاده‌سازی مدل‌های مختلف ML در تولید با استفاده از C++ هستند، جذاب خواهد بود، که می‌تواند برای برخی پلتفرم‌های خاص، مانند دستگاه‌های تعبیه شده، مفید باشد. برای شروع با این کتاب، دانش عملی از زبان برنامه‌نویسی C++، جبر خطی و درک اولیه از حسابان ضروری است.

کتاب Hands-On Machine Learning with C++ شامل چه مواردی است؟

فصل 1، مقدمه‌ای بر یادگیری ماشین با C++، شما را از طریق اصول لازم ML، از جمله مفاهیم جبر خطی، انواع الگوریتم‌های ML و اجزای سازنده آنها راهنمایی می‌کند.

فصل 2، پردازش داده، به شما نشان می‌دهد چگونه داده‌ها را از فرمت‌های مختلف فایل برای آموزش مدل ML بارگذاری کنید و چگونه اشیاء مجموعه داده را در کتابخانه‌های مختلف C++ مقداردهی اولیه کنید.

فصل 3 کتاب Hands-On Machine Learning with C++، اندازه‌گیری عملکرد و انتخاب مدل‌ها، به شما نشان می‌دهد که چگونه عملکرد انواع مختلف مدل‌های ML را اندازه‌گیری کنید، چگونه بهترین مجموعه هایپرپارامترها را برای دستیابی به عملکرد بهتر مدل انتخاب کنید و چگونه از روش جستجوی شبکه‌ای در کتابخانه‌های مختلف C++ و خارجی برای انتخاب مدل استفاده کنید.

فصل 4، خوشه‌بندی، به الگوریتم‌های گروه‌بندی اشیاء بر اساس ویژگی‌های ضروری آنها می‌پردازد و نشان می‌دهد که چرا معمولاً از الگوریتم‌های بدون نظارت برای حل چنین نوع وظایفی استفاده می‌کنیم و در نهایت، انواع مختلف الگوریتم‌های خوشه‌بندی را با پیاده‌سازی‌ها و کاربردهای آنها در کتابخانه‌های مختلف C++ مرور می‌کند.

فصل 5 کتاب Hands-On Machine Learning with C++، شناسایی ناهنجاری، اصول شناسایی ناهنجاری و نوآوری‌ها را بررسی می‌کند و شما را از طریق انواع مختلف الگوریتم‌های شناسایی ناهنجاری، پیاده‌سازی آنها و کاربردهای آنها در کتابخانه‌های مختلف C++ راهنمایی می‌کند.

فصل 6، کاهش ابعاد، به بررسی الگوریتم‌های مختلف کاهش ابعاد می‌پردازد که ویژگی‌های اساسی داده‌ها را حفظ می‌کنند و پیاده‌سازی و استفاده از آنها را در کتابخانه‌های مختلف C++ بیان می‌کند.

فصل 7، طبقه‌بندی، به شما نشان می‌دهد که یک وظیفه طبقه‌بندی چیست و چگونه با یک وظیفه خوشه‌بندی تفاوت دارد. شما از طریق الگوریتم‌های مختلف طبقه‌بندی، پیاده‌سازی‌ها و کاربردهای آنها در کتابخانه‌های مختلف C++ راهنمایی خواهید شد.

فصل 8 کتاب Hands-On Machine Learning with C++، سیستم‌های توصیه‌گر، با مفاهیم سیستم‌های توصیه‌گر آشنا می‌شوید. شما با رویکردهای مختلفی برای مقابله با وظایف توصیه‌گری آشنا می‌شوید و خواهید دید که چگونه می‌توانید چنین وظایفی را با استفاده از زبان C++ حل کنید.

فصل 9، یادگیری ترکیبی، به روش‌های مختلف ترکیب چندین مدل ML برای دستیابی به دقت بهتر و مقابله با مشکلات یادگیری می‌پردازد. شما با پیاده‌سازی‌های ترکیبی با استفاده از کتابخانه‌های مختلف C++ آشنا خواهید شد.

فصل 10، شبکه‌های عصبی برای طبقه‌بندی تصاویر، شما را با اصول بنیادی شبکه‌های عصبی مصنوعی آشنا می‌کند. شما اجزای سازنده بنیادی، مفاهیم ریاضی مورد نیاز و الگوریتم‌های یادگیری را خواهید آموخت. شما از طریق کتابخانه‌های مختلف C++ که عملکرد لازم برای پیاده‌سازی شبکه‌های عصبی را فراهم می‌کنند، راهنمایی خواهید شد. همچنین، این فصل از کتاب Hands-On Machine Learning with C++ پیاده‌سازی یک شبکه عمیق کانولوشنی برای طبقه‌بندی تصاویر با استفاده از کتابخانه PyTorch را نشان می‌دهد.

فصل 11، تحلیل احساسات با BERT و یادگیری انتقالی، شما را با مدل‌های زبان بزرگ (LLM) آشنا می‌کند و به طور مختصر توضیح می‌دهد که چگونه کار می‌کنند. همچنین، نشان می‌دهد که چگونه می‌توان تکنیک یادگیری انتقالی را برای استفاده از LLM‌های پیش‌آموزش‌دیده برای پیاده‌سازی تحلیل احساسات با کتابخانه PyTorch به کار برد.

فصل 12 کتاب Hands-On Machine Learning with C++، صادرات و واردات مدل‌ها، به شما نشان می‌دهد که چگونه پارامترها و معماری مدل‌ها را با استفاده از کتابخانه‌های مختلف C++ ذخیره و بارگذاری کنید. همچنین، خواهید دید که چگونه با استفاده از فرمت ONNX می‌توانید یک مدل پیش‌آموزش‌دیده را با API C++ کتابخانه Caffe2 بارگذاری و استفاده کنید.

فصل 13 کتاب Hands-On Machine Learning with C++، ردیابی و تجسم آزمایش‌های ML، به شما نشان می‌دهد که چگونه از ابزار MLflow برای ردیابی و تجسم آزمایش‌های ML خود استفاده کنید. تجسم برای درک الگوها، روابط و روندها در آزمایش‌ها اساسی است. ردیابی آزمایش به شما این امکان را می‌دهد که نتایج را مقایسه کنید، بهترین شیوه‌ها را شناسایی کنید و از تکرار اشتباهات جلوگیری کنید.

فصل 14 کتاب Hands-On Machine Learning with C++، استقرار مدل‌ها بر روی یک پلتفرم موبایل، شما را از طریق توسعه برنامه‌هایی برای شناسایی اشیاء بر روی عکس‌های دوربین دستگاه‌ها با استفاده از شبکه‌های عصبی برای پلتفرم Android راهنمایی می‌کند.

سرفصل‌های کتاب Hands-On Machine Learning with C++:

• Cover
• Title Page
• Copyright and Credits
• Dedication
• Contributors
• Table of Contents
• Preface
• Part 1: Overview of Machine Learning
  • Chapter 1: Introduction to Machine Learning with C++
  • Chapter 2: Data Processing
  • Chapter 3: Measuring Performance and Selecting Models
• Part 2: Machine Learning Algorithms
  • Chapter 4: Clustering
  • Chapter 5: Anomaly Detection
  • Chapter 6: Dimensionality Reduction
  • Chapter 7: Classification
  • Chapter 8: Recommender Systems
  • Chapter 9: Ensemble Learning
• Part 3: Advanced Examples
  • Chapter 10: Neural Networks for Image Classification
  • Chapter 11: Sentiment Analysis with BERT and Transfer Learning
• Part 4: Production and Deployment Challenges
  • Chapter 12: Exporting and Importing Models
  • Chapter 13: Tracking and Visualizing ML Experiments
  • Chapter 14: Deploying Models on a Mobile Platform
• Index
• Other Books You May Enjoy

جهت دانلود کتاب Hands-On Machine Learning with C++ می‌توانید پس از پرداخت، دریافت کنید.