کتاب آشپزی یادگیری ماشین با پایتون ۲۰۲۰
Machine Learning Cookbook with Python 2020

کتاب آشپزی که به شما کمک می‌کند تا الگوریتم‌ها و تکنیک‌های یادگیری ماشین را با ساخت پروژه‌های واقعی پیاده‌سازی کنید.

ویژگی‌های کلیدی

یاد بگیرید چگونه یک خط لوله کامل یادگیری ماشین را با پشتیبانی ریاضیاتی کافی مدیریت کنید.

مدل‌های پیش‌بینی‌کننده ایجاد کنید و مدل مناسب را برای انواع مختلف مجموعه‌داده‌ها انتخاب کنید.

هنر تنظیم یک مدل را برای بهبود دقت بر اساس الزامات تجاری بیاموزید.

با مفاهیم مرتبط با تجزیه و تحلیل داده با تجسم، علم داده و یادگیری ماشین آشنا شوید.

توضیحات

یادگیری ماشین نباید ترسناک باشد. این کتاب بر مفاهیم یادگیری ماشین و تجزیه و تحلیل داده با توضیحات ریاضی و مثال‌های برنامه‌نویسی تمرکز دارد. تمام کدها در پایتون نوشته شده‌اند زیرا یکی از محبوب‌ترین زبان‌های برنامه‌نویسی مورد استفاده برای علم داده و یادگیری ماشین است. در اینجا از چندین کتابخانه مانند NumPy، Pandas، scikit-learn و غیره استفاده کرده‌ام تا کارمان را آسان کنم و چرخ را دوباره اختراع نکنیم. در مجموع پنج پروژه وجود دارد که هر کدام به یک مشکل منحصر به فرد می‌پردازند. با دستورالعمل‌های این کتاب آشپزی، یاد خواهید گرفت که چگونه مسائل یادگیری ماشین را برای داده‌های بی‌درنگ حل کنید و تجزیه و تحلیل داده، طبقه‌بندی و فراتر از آن را انجام دهید. مجموعه‌داده‌های استفاده شده نیز منحصر به فرد هستند و به شما کمک می‌کنند فکر کنید، مشکل را درک کنید و به سمت هدف پیش بروید. کتاب با ریاضیات اشباع نشده است، اما بیشتر مفاهیم ریاضی برای موضوعات مهم پوشش داده شده است. هر فصل معمولاً با مقداری تئوری و پیش‌نیازها شروع می‌شود، و سپس به تدریج به پیاده‌سازی همان مفهوم با استفاده از پایتون، با در نظر گرفتن یک پروژه در پس‌زمینه، می‌پردازد.

چه چیزی یاد خواهید گرفت

نحوه کارکرد چارچوب O.S.E.M.N. را در علم داده درک کنید.

با پیاده‌سازی سرتاسری خط لوله یادگیری ماشین آشنا شوید.

یاد بگیرید که چگونه الگوریتم‌ها و مفاهیم یادگیری ماشین را با استفاده از پایتون پیاده‌سازی کنید.

یاد بگیرید که چگونه یک مدل پیش‌بینی‌کننده برای یک مورد تجاری بسازید.

این کتاب برای چه کسانی است

این کتاب آشپزی برای هر کسی است که به اندازه کافی اشتیاق دارد تا وارد دنیای یادگیری ماشین شود و درک اولیه‌ای از مبانی جبر خطی، حساب دیفرانسیل و انتگرال، احتمال و آمار داشته باشد. این کتاب همچنین به عنوان یک راهنمای مرجع برای متخصصان یادگیری ماشین سطح متوسط ​​عمل می‌کند.

فهرست مطالب

1. جنایت در بوستون
2. گزارش شادی جهانی
3. گونه‌های زنبق
4. تشخیص تقلب در کارت اعتباری
5. بیماری قلبی UCI

A Cookbook that will help you implement Machine Learning algorithms and techniques by

building real-world projects

Ê

KEY FEATURESÊ

Learn how to handle an entire Machine Learning Pipeline supported with adequate mathematics.

Create Predictive Models and choose the right model for various types of Datasets.

Learn the art of tuning a model to improve accuracy as per Business requirements.

Get familiar with concepts related to Data Analytics with Visualization, Data Science and Machine Learning.

DESCRIPTION

Machine Learning does not have to be intimidating at all. This book focuses on the concepts of Machine Learning and Data Analytics with mathematical explanations and programming examples. All the codes are written in Python as it is one of the most popular programming languages used for Data Science and Machine Learning. Here I have leveraged multiple libraries like NumPy, Pandas, scikit-learn, etc. to ease our task and not reinvent the wheel. There are five projects in total, each addressing a unique problem. With the recipes in this cookbook, one will learn how to solve Machine Learning problems for real-time data and perform Data Analysis and Analytics, Classification, and beyond. The datasets used are also unique and will help one to think, understand the problem and proceed towards the goal. The book is not saturated with Mathematics, but mostly all the Mathematical concepts are covered for the important topics. Every chapter typically starts with some theory and prerequisites, and then it gradually dives into the implementation of the same concept using Python, keeping a project in the background.Ê

Ê

WHAT WILL YOU LEARN

Understand the working of the O.S.E.M.N. framework in Data Science.Ê

Get familiar with the end-to-end implementation of Machine Learning Pipeline.

Learn how to implement Machine Learning algorithms and concepts using Python.

Learn how to build a Predictive Model for a Business case.

WHO THIS BOOK IS FORÊ

This cookbook is meant for anybody who is passionate enough to get into the World of Machine Learning and has a preliminary understanding of the Basics of Linear Algebra, Calculus, Probability, and Statistics. This book also serves as a reference guidebook for intermediate Machine Learning practitioners.

Ê

TABLE OF CONTENTS

1. Boston Crime

2. World Happiness Report

3. Iris Species

4. Credit Card Fraud Detection

5. Heart Disease UCI