کتاب Machine Learning With Python (یادگیری ماشین با پایتون: تئوری و کاربردها) مفاهیم مربوط به یادگیری ماشین را با جزئیات آن و پیاده‌سازی آن‌ها با استفاده از زبان برنامه‌نویسی پایتون به صورت گام‌به‌گام شرح خواهد داد.
در ادامه مقدمه‌ای از کتاب Machine Learning With Python را شرح خواهیم داد.
مقدمه‌ای بر کتاب Machine Learning With Python:
یادگیری ماشین (ML) به یک حوزه تحقیقاتی بسیار مهم تبدیل شده است که به طور گسترده در صنایع مختلف مورد استفاده قرار می‌گیرد. این خلاصه مفاهیم اساسی، نظریه‌های اساسی، تکنیک‌های محاسباتی ضروری، کدها و کاربردهای مرتبط با مدل‌های ML را معرفی می‌کند. با یک پایه قوی، می‌توان به راحتی موضوعات، روش‌ها و الگوریتم‌های مرتبط را یاد گرفت.
مهمتر از همه، خوانندگان با اصول قوی حتی می‌توانند مدل‌های ماشینی نوآورانه و موثرتری را برای مشکلات خود توسعه دهند.
این کتاب برای دستیابی به این هدف نوشته شده است. متن مرجع مفید برای متخصصان، دانشگاهیان، محققان، دانشجویان فارغ التحصیل و کارشناسی در AI، ML و شبکه‌های عصبی مفید است.
سرفصل‌های کتاب Machine Learning With Python:
- Contents
- About the Author
- 1 Introduction
- 2 Basics of Python
- 3 Basic Mathematical Computations
- 4 Statistics and Probability-based Learning Model
- 5 Prediction Function and Universal Prediction Theory
- 6 The Perceptron and SVM
- 7 Activation Functions and Universal Approximation Theory
- 8 Automatic Differentiation and Autograd
- 9 Solution Existence Theory and Optimization Techniques
- 10 Loss Functions for Regression
- 11 Loss Functions and Models for Classification
- 12 Multiclass Classification
- 13 Multilayer Perceptron (MLP) for Regression and Classification
- 14 Overfitting and Regularization
- 15 Convolutional Neural Network (CNN) for Classification and Object Detection
- 16 Recurrent Neural Network (RNN) and Sequence Feature Models
- 17 Unsupervised Learning Techniques
- 18 Reinforcement Learning (RL)
- Index
جهت دانلود کتاب Machine Learning With Python می‌توانید پس از پرداخت، دریافت کنید.
نقد و بررسی‌ها
هنوز بررسی‌ای ثبت نشده است.