Sale
یادگیری ماشین عملی با C++: ساخت، آموزش و استقرار خطوط لوله یادگیری ماشین و یادگیری عمیق انتها به انتها ۲۰۲۰
Hands-On Machine Learning with C++: Build, train, and deploy end-to-end machine learning and deep learning pipelines 2020
دانلود کتاب یادگیری ماشین عملی با C++: ساخت، آموزش و استقرار خطوط لوله یادگیری ماشین و یادگیری عمیق انتها به انتها ۲۰۲۰ (Hands-On Machine Learning with C++: Build, train, and deploy end-to-end machine learning and deep learning pipelines 2020) با لینک مستقیم و فرمت pdf (پی دی اف)
| نویسنده |
Kirill Kolodiazhnyi |
|---|
ناشر:
Packt Publishing
۳۰ هزار تومان تخفیف با کد «OFF30» برای اولین خرید
| سال انتشار |
2020 |
|---|---|
| زبان |
English |
| تعداد صفحهها |
530 |
| نوع فایل |
epub |
| حجم |
25 Mb |
🏷️ قیمت اصلی: 200,000 تومان بود.129,000 تومانقیمت فعلی: 129,000 تومان.
هوشمصنوعی ترجمه کالیبو
توضیحات
معرفی کتاب یادگیری ماشین عملی با C++: ساخت، آموزش و استقرار خطوط لوله یادگیری ماشین و یادگیری عمیق انتها به انتها ۲۰۲۰
الگوریتم های یادگیری ماشین تحت نظارت و بدون نظارت را با استفاده از کتابخانه های C++ مانند PyTorch C++ API، Caffe2، Shogun، Shark-ML، mlpack و dlib با کمک مثال ها و مجموعه داده های واقعی پیاده سازی کنید.
ویژگی های کلیدی
- با پردازش داده ها، اندازه گیری عملکرد و انتخاب مدل با استفاده از کتابخانه های مختلف C++ آشنا شوید
- تکنیک های عملی یادگیری ماشین و یادگیری عمیق را برای ساخت مدل های هوشمند پیاده سازی کنید
- مدل های یادگیری ماشین را برای کار بر روی دستگاه های موبایل و تعبیه شده مستقر کنید
شرح کتاب
C++ می تواند مدل های یادگیری ماشین شما را سریع تر و کارآمدتر کند. این راهنمای کاربردی به شما در یادگیری اصول یادگیری ماشین (ML) کمک می کند و نشان می دهد که چگونه از کتابخانه های C++ برای به حداکثر رساندن استفاده از داده های خود استفاده کنید. این کتاب با رویکرد مبتنی بر مثال خود، یادگیری ماشین با C++ را برای مبتدیان آسان می کند و نحوه پیاده سازی الگوریتم های ML تحت نظارت و بدون نظارت را از طریق مثال های واقعی نشان می دهد.
این کتاب شما را با تنظیم و بهینه سازی مدل برای موارد استفاده مختلف آشنا می کند و در انتخاب مدل و اندازه گیری عملکرد به شما کمک می کند. تکنیک هایی مانند توصیه های محصول، یادگیری آنسامبل و تشخیص ناهنجاری را با استفاده از کتابخانه های مدرن C++ مانند PyTorch C++ API، Caffe2، Shogun، Shark-ML، mlpack و dlib پوشش خواهید داد. سپس شبکه های عصبی و یادگیری عمیق را با استفاده از مثال هایی مانند طبقه بندی تصویر و تحلیل احساسات بررسی خواهید کرد که به شما در حل مشکلات مختلف کمک خواهد کرد. بعداً خواهید آموخت که چگونه با چالش های تولید و استقرار در پلتفرم های موبایل و ابری مقابله کنید، قبل از اینکه به کشف نحوه صادرات و واردات مدل ها با استفاده از فرمت ONNX بپردازید.
در پایان این کتاب C++، دانش یادگیری ماشین و C++ واقعی به همراه مهارت های استفاده از C++ برای ساخت سیستم های قدرتمند ML خواهید داشت.
آنچه خواهید آموخت
- نحوه بارگیری و پیش پردازش انواع مختلف داده ها به ساختار داده های مناسب C++ را کشف کنید
- الگوریتم های کلیدی یادگیری ماشین را با کتابخانه های مختلف C++ به کار بگیرید
- رویکرد جستجوی شبکه ای را برای یافتن بهترین پارامترها برای یک مدل یادگیری ماشین درک کنید
- یک الگوریتم برای فیلتر کردن ناهنجاری ها در داده های کاربر با استفاده از توزیع گوسی پیاده سازی کنید
- فیلترگذاری مشارکتی را برای حل مشکلات ترجیحات پویای کاربر بهبود ببخشید
- از کتابخانه ها و APIهای C++ برای مدیریت ساختارهای مدل و پارامترها استفاده کنید
- یک برنامه C++ برای حل وظایف طبقه بندی تصویر با معماری LeNet پیاده سازی کنید
این کتاب برای چه کسانی مناسب است
اگر می خواهید با الگوریتم ها و تکنیک های یادگیری ماشین با استفاده از زبان محبوب C++ شروع کنید، این کتاب یادگیری ماشین C++ برای شما مفید خواهد بود. این کتاب علاوه بر اینکه یک دوره اول مفید در یادگیری ماشین با C++ است، برای تحلیلگران داده، دانشمندان داده و توسعه دهندگان یادگیری ماشین که به دنبال پیاده سازی مدل های مختلف یادگیری ماشین در تولید با استفاده از مجموعه داده های و مثال های مختلف هستند نیز جذاب خواهد بود. آشنایی عملی با زبان برنامه نویسی C++ برای شروع این کتاب الزامی است.
فهرست کتاب:
۱. صفحه عنوان
۲. حق چاپ و اعتبارنامه
۳. درباره Packt
۴. مشارکتکنندگان
۵. پیشگفتار
۶. بخش ۱: مروری بر یادگیری ماشین
۷. مقدمهای بر یادگیری ماشین با ++C
۸. پردازش داده
۹. سنجش عملکرد و انتخاب مدلها
۱۰. بخش ۲: الگوریتمهای یادگیری ماشین
۱۱. خوشهبندی
۱۲. تشخیص ناهنجاری
۱۳. کاهش ابعاد
۱۴. طبقهبندی
۱۵. سیستمهای پیشنهاد دهنده
۱۶. یادگیری تجمیعی
۱۷. بخش ۳: مثالهای پیشرفته
۱۸. شبکههای عصبی برای طبقهبندی تصاویر
۱۹. تحلیل احساسات با شبکههای عصبی بازگشتی
۲۰. بخش ۴: چالشهای تولید و استقرار
۲۱. صادر کردن و وارد کردن مدلها
۲۲. استقرار مدلها بر روی پلتفرمهای موبایل و ابری
۲۳. کتابهای دیگری که ممکن است از آنها لذت ببرید
توضیحات(انگلیسی)
Implement supervised and unsupervised machine learning algorithms using C++ libraries such as PyTorch C++ API, Caffe2, Shogun, Shark-ML, mlpack, and dlib with the help of real-world examples and datasets
Key Features
- Become familiar with data processing, performance measuring, and model selection using various C++ libraries
- Implement practical machine learning and deep learning techniques to build smart models
- Deploy machine learning models to work on mobile and embedded devices
Book Description
C++ can make your machine learning models run faster and more efficiently. This handy guide will help you learn the fundamentals of machine learning (ML), showing you how to use C++ libraries to get the most out of your data. This book makes machine learning with C++ for beginners easy with its example-based approach, demonstrating how to implement supervised and unsupervised ML algorithms through real-world examples.
This book will get you hands-on with tuning and optimizing a model for different use cases, assisting you with model selection and the measurement of performance. You'll cover techniques such as product recommendations, ensemble learning, and anomaly detection using modern C++ libraries such as PyTorch C++ API, Caffe2, Shogun, Shark-ML, mlpack, and dlib. Next, you'll explore neural networks and deep learning using examples such as image classification and sentiment analysis, which will help you solve various problems. Later, you'll learn how to handle production and deployment challenges on mobile and cloud platforms, before discovering how to export and import models using the ONNX format.
By the end of this C++ book, you will have real-world machine learning and C++ knowledge, as well as the skills to use C++ to build powerful ML systems.
What you will learn
- Explore how to load and preprocess various data types to suitable C++ data structures
- Employ key machine learning algorithms with various C++ libraries
- Understand the grid-search approach to find the best parameters for a machine learning model
- Implement an algorithm for filtering anomalies in user data using Gaussian distribution
- Improve collaborative filtering to deal with dynamic user preferences
- Use C++ libraries and APIs to manage model structures and parameters
- Implement a C++ program to solve image classification tasks with LeNet architecture
Who this book is for
You will find this C++ machine learning book useful if you want to get started with machine learning algorithms and techniques using the popular C++ language. As well as being a useful first course in machine learning with C++, this book will also appeal to data analysts, data scientists, and machine learning developers who are looking to implement different machine learning models in production using varied datasets and examples. Working knowledge of the C++ programming language is mandatory to get started with this book.
Table of Contents
1. Title Page
2. Copyright and Credits
3. About Packt
4. Contributors
5. Preface
6. Section 1: Overview of Machine Learning
7. Introduction to Machine Learning with C++
8. Data Processing
9. Measuring Performance and Selecting Models
10. Section 2: Machine Learning Algorithms
11. Clustering
12. Anomaly Detection
13. Dimensionality Reduction
14. Classification
15. Recommender Systems
16. Ensemble Learning
17. Section 3: Advanced Examples
18. Neural Networks for Image Classification
19. Sentiment Analysis with Recurrent Neural Networks
20. Section 4: Production and Deployment Challenges
21. Exporting and Importing Models
22. Deploying Models on Mobile and Cloud Platforms
23. Other Books You May Enjoy
دیگران دریافت کردهاند
✨ 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.
