کتاب Machine Learning: Concepts, Techniques and Applications

کتاب Machine Learning: Concepts, Techniques and Applications (یادگیری ماشینی: مفاهیم، تکنیک‌ها و کاربردها) از سری منابعی است که به صورت اصولی و ریشه‌ای به سراغ علم یادگیری ماشین پرداخته است.

در ادامه مقدمه‌ای از کتاب Machine Learning: Concepts, Techniques and Applications را از زبان نویسنده شرح خواهیم داد.

مقدمه‌ای بر کتاب Machine Learning: Concepts, Techniques and Applications:

هدف این کتاب توضیح یادگیری ماشینی از منظرهای مختلف مانند مفهومی، ریاضی و الگوریتمی و همچنین تمرکز بر استفاده از ابزار و نرم‌افزار است. با این حال، تمرکز اصلی این کتاب این است که خوانندگان را به برنامه‌های کاربردی در زمینه یادگیری ماشین بیندیشد تا خوانندگان بتوانند از طریق موارد استفاده مناسب که در سرتاسر فصل‌ها اجرا می‌شوند، برنامه‌های کاربردی خود را از نظر وظایف یادگیری ماشین تعریف کنند. علاوه بر این، مدیریت داده‌ها، انتخاب الگوریتم‌ها و ارزیابی مورد نیاز برای برنامه‌ها مورد بحث قرار می‌گیرد. مسائل مهم یادگیری ماشینی آگاه از انصاف و قابل تفسیر نیز مورد بحث قرار می‌گیرد.

بیشتر بخوانید: کتاب Scaling Machine Learning with Spark

این کتاب سپس به بحث در مورد اصول یادگیری عمیق می‌پردازد و کاربردهای مشابه را برای یادگیری ماشین و یادگیری عمیق مورد بحث قرار می‌دهد و تفاوت بین این دو رویکرد را برجسته می‌کند. علاوه بر این، این کتاب دارای تعداد زیادی تمرین و فعالیت خواهد بود تا خواننده را قادر به درک مفاهیم و به کارگیری آنها کند. بنابراین، این کتاب امیدوار است به موضوع درک یادگیری ماشین و فعال کردن برنامه‌های کاربردی با استفاده از یادگیری ماشین بپردازد.

سرفصل‌های کتاب Machine Learning: Concepts, Techniques and Applications:

• Cover
• Half Title
• Title Page
• Copyright Page
• Table of Contents
• Preface
• Author Biography
• Chapter 1: Introduction
• Chapter 2: Understanding Machine Learning
• Chapter 3: Mathematical Foundations and Machine Learning
• Chapter 4: Foundations and Categories of Machine Learning Techniques
• Chapter 5: Machine Learning: Tools and Software
• Chapter 6: Classification Algorithms
• Chapter 7: Probabilistic and Regression Based Approaches
• Chapter 8: Performance Evaluation and Ensemble Methods
• Chapter 9: Unsupervised Learning
• Chapter 10: Sequence Models
• Chapter 11: Reinforcement Learning
• Chapter 12: Machine Learning Applications: Approaches
• Chapter 13: Domain Based Machine Learning Applications
• Chapter 14: Ethical Aspects of Machine Learning
• Chapter 15: Introduction to Deep Learning and Convolutional Neural Networks
• Chapter 16: Other Models of Deep Learning and Applications of Deep Learning
• A1: Solutions
• Index

جهت دانلود کتاب Machine Learning: Concepts, Techniques and Applications می‌توانید پس از پرداخت، دریافت کنید.