یادگیری ماشین: راهنمای جامع برای مبتدیان ۲۰۲۴
Machine Learning: A Comprehensive Beginner’s Guide 2024
دانلود کتاب یادگیری ماشین: راهنمای جامع برای مبتدیان ۲۰۲۴ (Machine Learning: A Comprehensive Beginner’s Guide 2024) با لینک مستقیم و فرمت pdf (پی دی اف)
| نویسنده |
Akshay B R, Sini Raj Pulari, T S Murugesh, Shriram K Vasudevan |
|---|
ناشر:
CRC Press
۳۰ هزار تومان تخفیف با کد «OFF30» برای اولین خرید
| سال انتشار |
2024 |
|---|---|
| زبان |
English |
| تعداد صفحهها |
258 |
| نوع فایل |
|
| حجم |
56.4MB |
🏷️ 200,000 تومان قیمت اصلی: 200,000 تومان بود.129,000 تومانقیمت فعلی: 129,000 تومان.
🏷️
378,000 تومان
قیمت اصلی: ۳۷۸٬۰۰۰ تومان بود.
298,000 تومان
قیمت فعلی: ۲۹۸٬۰۰۰ تومان.
📥 دانلود نسخهی اصلی کتاب به زبان انگلیسی(PDF)
🧠 به همراه ترجمهی فارسی با هوش مصنوعی
🔗 مشاهده جزئیات
دانلود مستقیم PDF
ارسال فایل به ایمیل
پشتیبانی ۲۴ ساعته
توضیحات
معرفی کتاب یادگیری ماشین: راهنمای جامع برای مبتدیان ۲۰۲۴
یادگیری ماشین حوزهای پویا و به سرعت در حال گسترش است که بر ایجاد الگوریتمهایی متمرکز است که رایانهها را قادر میسازد تا الگوها را تشخیص دهند، پیشبینی کنند و به طور مداوم عملکرد خود را ارتقا دهند. این فناوری رایانهها را قادر میسازد تا از دادهها و تجربیات بیاموزند و بدون برنامهنویسی صریح، تصمیمگیری کنند. برای فراگیران، تسلط بر مبانی یادگیری ماشین، درهای دنیایی از امکانات را برای ساخت مدلهای قوی و دقیق باز میکند.
در چشمانداز همیشه در حال تحول یادگیری ماشین، مجموعهدادهها نقشی اساسی در شکلدهی به آینده آن ایفا میکنند. این حوزه با معرفی oneAPI متحول شده است، که یک مدل برنامهنویسی یکپارچه را در معماریهای مختلف، از جمله CPU، GPU، FPGA و شتابدهندهها فراهم میکند و یک محیط برنامهنویسی کارآمد و قابل حمل را تقویت میکند. پذیرش این مدل یکپارچه، متخصصان را قادر میسازد تا راهحلهای یادگیری ماشین کارآمد و مقیاسپذیر بسازند، که گامی مهم در توسعه بین معماریها به شمار میرود.
با رویکرد گام به گام ارائه شده در این کتاب، به این حوزه جذاب شیرجه بزنید تا بر مفاهیم یادگیری ماشین مسلط شوید و به آینده هیجانانگیز آن کمک کنید.
فهرست کتاب:
۱. روی جلد
۲. صفحه عنوان فرعی
۳. صفحه عنوان
۴. صفحه حق نشر
۵. فهرست مطالب
۶. پیشگفتار
۷. نویسندگان
۸. مقدمه: یادگیری ماشین چیست؟
۹. فصل ۱ بررسی مجموعه داده زنبق
۱۰. فصل ۲ پیشبینی نارسایی قلبی با oneAPI
۱۱. فصل ۳ مدیریت مجموعه داده کیفیت آب
۱۲. فصل ۴ طبقهبندی سرطان پستان با مدلهای یادگیری ماشین ترکیبی
۱۳. فصل ۵ تشخیص گل با مجموعه داده Kaggle و رابط Gradio
۱۴. فصل ۶ طبقهبندی دارو با تنظیم ابرپارامترها
۱۵. فصل ۷ ارزیابی عملکرد مدل: سنجههایی برای پیشبینی دیابت
۱۶. فصل ۸ تشخیص بیماری پارکینسون: مروری با مهندسی ویژگی و تحلیل دورافتادگی
۱۷. فصل ۹ پیشبینی مینهای سونار در مقابل سنگ با استفاده از یادگیری جمعی
۱۸. فصل ۱۰ پیشبینی خطر ورشکستگی
۱۹. فصل ۱۱ پیشبینی رزرو هتل
۲۰. فصل ۱۲ پیشبینی توصیه محصول زراعی
۲۱. فصل ۱۳ طبقهبندی تومور مغزی
۲۲. فصل ۱۴ تحلیل اکتشافی داده و طبقهبندی مجموعه داده کیفیت شراب با oneAPI
۲۳. فصل ۱۵ طبقهبندی گربهها در مقابل سگها با استفاده از مدلهای یادگیری عمیق بهینهسازیشده با oneAPI
۲۴. فصل ۱۶ به حداکثر رساندن پیشبینیهای جایابی با حذف دادههای دورافتاده
۲۵. فصل ۱۷ بررسی عمیق طبقهبندی قارچ با oneAPI
۲۶. فصل ۱۸ مراقبتهای بهداشتی هوشمند: رویکردهای یادگیری ماشین برای پیشبینی بیماری کلیوی با oneAPI
۲۷. فصل ۱۹ بررسی عمیق طبقهبندی چندکلاسه گل با ResNet و VGG۱۶ با استفاده از oneAPI
۲۸. فصل ۲۰ کاوش در احساسات X (توییتر سابق) با استفاده از oneAPI: تحلیل احساسات با پردازش زبان طبیعی
۲۹. نمایه
توضیحات(انگلیسی)
Machine learning is a dynamic and rapidly expanding field focused on creating algorithms that empower computers to recognize patterns, make predictions and continually enhance performance. It enables computers to learn from data and experiences, making decisions without explicit programming. For learners, mastering the fundamentals of machine learning opens doors to a world of possibilities to build robust and accurate models. In the ever-evolving landscape of machine learning, datasets play a pivotal role in shaping its future. The field has been revolutionized with the introduction of oneAPI, which provides a unified programming model across different architectures, including CPUs, GPUs, FPGAs and accelerators, fostering an efficient and portable programming environment. Embracing this unified model empowers practitioners to build efficient and scalable machine learning solutions, marking a significant stride in cross-architecture development. Dive into this fascinating field to master machine learning concepts with the step-by-step approach outlined in this book and contribute to its exciting future.
Table of Contents
1. Cover
2. Half-Title Page
3. Title Page
4. Copyright Page
5. Table of Contents
6. Preface
7. Authors
8. Introduction: What is Machine Learning?
9. Chapter 1 Exploring the Iris dataset
10. Chapter 2 Heart failure prediction with oneAPI
11. Chapter 3 Handling water quality dataset
12. Chapter 4 Breast cancer classification with hybrid ML models
13. Chapter 5 Flower recognition with Kaggle dataset and Gradio interface
14. Chapter 6 Drug classification with hyperparameter tuning
15. Chapter 7 Evaluating model performance: Metrics for diabetes prediction
16. Chapter 8 Parkinson’s disease detection: An overview with feature engineering and outlier analysis
17. Chapter 9 Sonar mines vs. rock prediction using ensemble learning
18. Chapter 10 Bankruptcy risk prediction
19. Chapter 11 Hotel reservation prediction
20. Chapter 12 Crop recommendation prediction
21. Chapter 13 Brain tumor classification
22. Chapter 14 Exploratory data analysis and classification on wine quality dataset with oneAPI
23. Chapter 15 Cats vs. Dogs classification using deep learning models optimized with oneAPI
24. Chapter 16 Maximizing placement predictions with outlier removal
25. Chapter 17 A deep dive into Mushroom classification with oneAPI
26. Chapter 18 Smart healthcare: Machine learning approaches for kidney disease prediction with oneAPI
27. Chapter 19 A deep dive into multiclass flower classification with ResNet and VGG16 using oneAPI
28. Chapter 20 Dive into X (formerly Twitter’s) emotions using oneAPI: Sentiment analysis with NLP
29. Index
دیگران دریافت کردهاند
پیاده سازی یادگیری ماشین در امور مالی: رویکردی نظام مند برای تحلیل ریسک و عملکرد پیشگویانه در پرتفوی های سرمایه گذاری ۲۰۲۱
Implementing Machine Learning for Finance: A Systematic Approach to Predictive Risk and Performance Analysis for Investment Portfolios 2021
🏷️ 200,000 تومان قیمت اصلی: 200,000 تومان بود.129,000 تومانقیمت فعلی: 129,000 تومان.
یادگیری ماشین در پزشکی – یک مرور کامل ۲۰۲۰
Machine Learning in Medicine – A Complete Overview 2020
🏷️ 200,000 تومان قیمت اصلی: 200,000 تومان بود.129,000 تومانقیمت فعلی: 129,000 تومان.
یادگیری ماشین در پزشکی – یک مرور جامع ۲۰۱۵
Machine Learning in Medicine – a Complete Overview 2015
🏷️ 200,000 تومان قیمت اصلی: 200,000 تومان بود.129,000 تومانقیمت فعلی: 129,000 تومان.
یادگیری ماشین چندعاملی: رویکرد تقویت یادگیری ۲۰۱۴
Multi-Agent Machine Learning: A Reinforcement Approach 2014
🏷️ 200,000 تومان قیمت اصلی: 200,000 تومان بود.129,000 تومانقیمت فعلی: 129,000 تومان.
پایش سلامت سازهای: دیدگاهی مبتنی بر یادگیری ماشین ۲۰۱۲
Structural Health Monitoring: A Machine Learning Perspective 2012
🏷️ 200,000 تومان قیمت اصلی: 200,000 تومان بود.129,000 تومانقیمت فعلی: 129,000 تومان.
✨ ضمانت تجربه خوب مطالعه
بازگشت کامل وجه
در صورت مشکل، مبلغ پرداختی بازگردانده می شود.
دانلود پرسرعت
دانلود فایل کتاب با سرعت بالا
ارسال فایل به ایمیل
دانلود مستقیم به همراه ارسال فایل به ایمیل.
پشتیبانی ۲۴ ساعته
با چت آنلاین و پیامرسان ها پاسخگو هستیم.
ضمانت کیفیت کتاب
کتاب ها را از منابع معتیر انتخاب می کنیم.
