معرفی و دانلود کتاب ارائه راهکار برای تمام مسائل یادگیری ماشین

معرفی کتاب ارائه راهکار برای تمام مسائل یادگیری ماشین

تحلیل داده‌ها و به‌ویژه تحلیل داده‌های ساختارنایافته یکی از دشوارترین و چالش‌برانگیزترین کارها در دنیای کسب‌وکار و دیگر فعالیت‌هاست. کتاب ارائه راهکار برای تمام مسائل یادگیری ماشین نوشته‌ی محمد رضاپور، اسماعیل زاهدی و محسن یزدی نژاد بر اساس جدیدترین منابع در علم داده، شما را در رسیدن به بالاترین سطح توانایی در زمینه‌ی تحلیل داده و کدنویسی مناسب یاری می‌کند.

درباره‌ی کتاب ارائه راهکار برای تمام مسائل یادگیری ماشین

یادگیری ماشین یا Machine learning عبارت است از بررسی و مطالعه‌ی الگوها و الگوریتم‌هایی که سیستم‌های کامپیوتری برای انجام فعالیت‌ها از آن استفاده می‌کنند. محمد رضاپور، اسماعیل زاهدی و محسن یزدی نژاد در کتاب ارائه راهکار برای تمام مسائل یادگیری ماشین اطلاعات علمی روز دنیا را در زمینه‌ی تحلیل داده‌های ساختار نایافته به مخاطبان خود عرضه کرده‌اند. تمامی مفاهیم این اثر بر اساس تجربه‌ی نویسندگان برای بهره‌گیری از الگوهای ماشین‌ها و تحلیل داده در محیط کار تدوین شده است. در این کتاب از آخرین اطلاعات دنیای ماشین‌های کامپیوتری و هوش مصنوعی استفاده شده است.

کتاب حاضر در دوازده فصل ارائه شده و در هر یک از فصول به یکی از مباحث مهم در این حوزه می‌پردازد. فصل اول کتاب ارائه راهکار برای تمام مسائل یادگیری ماشین به مبحث یادگیری با نظارت و مقایسه‌ی آن با شیوه‌ی یادگیری بدون نظارت اختصاص یافته. در فصل دوم موارد مرتبط با اعتبارسنجی متقابل را می‌خوانید. فصل سوم معیارهای ارزیابی را در اختیارتان قرار می‌دهد و در فصل چهارم به بحث سامان‌دهی پروژه‌های یادگیری ماشین پرداخته می‌شود.

مباحثی از جمله مرور متغیرهای گسسته، مهندسی ویژگی،‌ انتخاب ویژگی،‌ بهینه‌سازی هایپر پارامترها، مروری بر دسته‌بندی و جداسازی تصاویر دیجیتال و مرور رگرسیون یا دسته‌بندی متون به‌ترتیب فصول 6 تا 10 کتاب را در برمی‌گیرند. همچنین دو فصل آخر به موضوع روش‌های تجمیع و استقرار و به‌کارگیری مدل به صورت عملی اختصاص دارد.

کتاب ارائه راهکار برای تمام مسائل یادگیری ماشین، اثر محمد رضاپور، اسماعیل زاهدی و محسن یزدی نژاد توسط موسسه‌ی دیباگران تهران عرضه شده است.

کتاب ارائه راهکار برای تمام مسائل یادگیری ماشین مناسب چه کسانی است؟

این کتاب به افرادی که در زمینه‌ی تحلیل داده‌های آماری فعالیت می‌کنند،‌ همچنین دوستداران برنامه‌نویسی و هوش مصنوعی توصیه می‌شود.

در بخشی از کتاب ارائه راهکار برای تمام مسائل یادگیری ماشین می‌خوانیم

هنگامی که اشخاص با علم داده یا یادگیری ماشین شروع می‌کنند، اغلب در ابتدا به سراغ مجموعه داده‌های بسیار معروف می‌روند. برای مثال دو مجموعه داده معروف - تایتانیک و آیریس - (که مربوط به مسائل با نظارت هستند) را در نظر بگیرید. در مجموعه تایتانیک،‌ باید افراد نجات‌یافته از تایتانیک را بر اساس عواملی مانند کلاس بلیط،‌ جنسیت،‌ سن و غیره بررسی کرد. به همین شکل در مجموعه داده آیریس بایستی گونه گل‌ها را بر اساس عواملی مانند طول و عرض گلبرگ و کاسبرگ پیش‌بینی کرد.

فهرست مطالب کتاب

مقدمه: نصب و تنظیم پیش‌نیازهای کدنویسی
فصل اول: یادگیری با نظارت در مقایسه با یادگیری بدون نظارت
فصل دوم: اعتبارسنجی متقابل
فصل سوم: معیارهای ارزیابی
فصل چهارم: سامان‌دهی پروژه‌های یادگیری ماشینی
فصل پنجم: مروری بر متغیرهای گسسته
فصل ششم: مهندسی ویژگی
فصل هفتم: انتخاب ویژگی
فصل هشتم: بهینه‌سازی هایپر پارامترها
فصل نهم: مروری بر دسته‌بندی و جداسازی تصاویر دیجیتال
فصل دهم: مروری بر رگرسیون یا دسته‌بندی متون
فصل یازدهم: مروری بر روش‌های تجمیع و stacking
فصل دوازدهم: مروری بر استقرار و به‌کارگیری مدل به صورت علمی
منابع و مآخذ