این کتاب برای فراهم آوردن پایه ای بنیادین در یادگیری ماشین با استفاده از کتابخانه های پایتون با ارائه مطالعات موردی و زندگی واقعی نوشته شده است. این عناوین مانند مبانی یادگیری ماشین ، مقدمه ای بر پایتون ، تجزیه و تحلیل توصیفی و تجزیه و تحلیل پیش بینی را پوشش می دهد. مفاهیم پیشرفته یادگیری ماشین مانند یادگیری درخت تصمیم ، جنگل تصادفی ، تقویت ، سیستم های توصیه و تجزیه و تحلیل متن پوشش داده شده است. این کتاب رویکردی متعادل بین درک نظری و کاربردهای عملی دارد. همه مباحث شامل مثالهای دنیای واقعی است و رویکرد گام به گام نحوه کاوش ، ساخت ، ارزیابی و بهینه سازی مدل های یادگیری ماشین را ارائه می دهد.
This book is written to provide a strong foundation in Machine Learning using Python libraries by providing real-life case studies and examples. It covers topics such as Foundations of Machine Learning, Introduction to Python, Descriptive Analytics and Predictive Analytics. Advanced Machine Learning concepts such as decision tree learning, random forest, boosting, recommender systems, and text analytics are covered. The book takes a balanced approach between theoretical understanding and practical applications. All the topics include real-world examples and provide step-by-step approach on how to explore, build, evaluate, and optimize machine learning models.
Reviews
There are no reviews yet.