یادگیری عمیق با داده‌های ساخت‌یافته ۲۰۲۰
Deep Learning with Structured Data 2020

یادگیری عمیق با داده‌های ساخت‌یافته، تکنیک‌های قدرتمند تحلیل داده را برای داده‌های جدولی و پایگاه‌های داده رابطه‌ای به شما می‌آموزد.

خلاصه

یادگیری عمیق این پتانسیل را دارد که الگوها و روابط پیچیده پنهان در انواع داده‌ها را شناسایی کند. یادگیری عمیق با داده‌های ساخت‌یافته به شما نشان می‌دهد که چگونه تکنیک‌های قدرتمند تحلیل یادگیری عمیق را بر روی انواع داده‌های ساخت‌یافته و جدولی که در پایگاه‌های داده رابطه‌ای مورد استفاده مشاغل واقعی قرار می‌گیرند، اعمال کنید. این کتاب که مملو از کاربردهای عملی و مرتبط است، به شما می‌آموزد که چگونه یادگیری عمیق می‌تواند سیستم‌های یادگیری ماشین و هوش تجاری موجود شما را تقویت کند.

با خرید نسخه چاپی کتاب، یک نسخه الکترونیکی رایگان در قالب‌های PDF، Kindle و ePub از انتشارات Manning دریافت خواهید کرد.

درباره فناوری

یک راز ناخوشایند وجود دارد: نیمی از زمان در اکثر پروژه‌های علم داده صرف پاکسازی و آماده‌سازی داده‌ها می‌شود. اما راه بهتری وجود دارد: تکنیک‌های یادگیری عمیق که برای داده‌های جدولی و پایگاه‌های داده رابطه‌ای بهینه شده‌اند، بینش‌ها و تحلیل‌هایی را ارائه می‌دهند که نیازی به مهندسی ویژگی شدید ندارند. مهارت‌هایی را بیاموزید تا عملکرد یادگیری عمیق را با فیلتر کردن، اعتبارسنجی و پاکسازی بسیار کمتر داده‌ها باز کنید.

درباره کتاب

یادگیری عمیق با داده‌های ساخت‌یافته تکنیک‌های قدرتمند تحلیل داده را برای داده‌های جدولی و پایگاه‌های داده رابطه‌ای به شما می‌آموزد. کار خود را با یک مجموعه داده مبتنی بر سیستم حمل و نقل تورنتو شروع کنید. همانطور که در کتاب پیش می‌روید، یاد خواهید گرفت که چقدر آسان است که داده‌های جدولی را برای یادگیری عمیق تنظیم کنید، در حالی که نگرانی‌های حیاتی تولید مانند استقرار و نظارت بر عملکرد را حل می‌کنید.

مطالب داخل کتاب

چه زمانی و کجا از یادگیری عمیق استفاده کنیم
معماری یک مدل یادگیری عمیق Keras
آموزش، استقرار و نگهداری مدل‌ها
اندازه‌گیری عملکرد

درباره خواننده

مناسب برای خوانندگانی با مهارت‌های متوسط در پایتون و یادگیری ماشین.

درباره نویسنده

مارک رایان مدیر علم داده در شرکت بیمه Intact است. او دارای مدرک کارشناسی ارشد در رشته علوم کامپیوتر از دانشگاه تورنتو است.

فهرست مطالب

1 چرا یادگیری عمیق با داده‌های ساخت‌یافته؟

2 مقدمه‌ای بر مسئله نمونه و داده‌فریم‌های Pandas

3 آماده‌سازی داده‌ها، قسمت 1: کاوش و پاکسازی داده‌ها

4 آماده‌سازی داده‌ها، قسمت 2: تبدیل داده‌ها

5 آماده‌سازی و ساخت مدل

6 آموزش مدل و اجرای آزمایش‌ها

7 آزمایش‌های بیشتر با مدل آموزش‌دیده

8 استقرار مدل

9 مراحل بعدی پیشنهادی

Deep Learning with Structured Data teaches you powerful data analysis techniques for tabular data and relational databases.

Summary
Deep learning offers the potential to identify complex patterns and relationships hidden in data of all sorts. Deep Learning with Structured Data shows you how to apply powerful deep learning analysis techniques to the kind of structured, tabular data you’ll find in the relational databases that real-world businesses depend on. Filled with practical, relevant applications, this book teaches you how deep learning can augment your existing machine learning and business intelligence systems.

Purchase of the print book includes a free eBook in PDF, Kindle, and ePub formats from Manning Publications.

About the technology
Here’s a dirty secret: Half of the time in most data science projects is spent cleaning and preparing data. But there’s a better way: Deep learning techniques optimized for tabular data and relational databases deliver insights and analysis without requiring intense feature engineering. Learn the skills to unlock deep learning performance with much less data filtering, validating, and scrubbing.

About the book
Deep Learning with Structured Data teaches you powerful data analysis techniques for tabular data and relational databases. Get started using a dataset based on the Toronto transit system. As you work through the book, you’ll learn how easy it is to set up tabular data for deep learning, while solving crucial production concerns like deployment and performance monitoring.

What’s inside

When and where to use deep learning
The architecture of a Keras deep learning model
Training, deploying, and maintaining models
Measuring performance

About the reader
For readers with intermediate Python and machine learning skills.

About the author
Mark Ryan is a Data Science Manager at Intact Insurance. He holds a Master’s degree in Computer Science from the University of Toronto.

Table of Contents

1 Why deep learning with structured data?

2 Introduction to the example problem and Pandas dataframes

3 Preparing the data, part 1: Exploring and cleansing the data

4 Preparing the data, part 2: Transforming the data

5 Preparing and building the model

6 Training the model and running experiments

7 More experiments with the trained model

8 Deploying the model

9 Recommended next steps