خرید و دانلود نسخه کامل کتاب Statistics for Machine Learning: Techniques for exploring supervised, unsupervised, and reinforcement learning models with Python and R

توضیحاتی در مورد کتاب



ویژگی های کلیدی

• درباره آمار مدل های پیشگویانه قدرتمند با آمار p-value، ANOVA و F- بیاموزید.
• محاسبات آماری را به صورت برنامه ریزی شده برای تحت نظارت و بدون نظارت پیاده سازی کنید. یادگیری از طریق خوشه‌بندی K-means.
• بر جنبه آماری یادگیری ماشین با کمک این راهنمای غنی از مثال R و Python تسلط پیدا کنید.

توضیحات کتاب

h4>

آمار پیچیده در یادگیری ماشینی بسیاری از توسعه دهندگان را نگران می کند. دانستن آمار به شما کمک می‌کند تا مدل‌های یادگیری ماشینی قوی بسازید که برای یک بیان مسئله بهینه شده‌اند. این کتاب تمام آنچه را که برای انجام محاسبات آماری پیچیده لازم برای یادگیری ماشین لازم است به شما آموزش می دهد. اطلاعاتی در مورد آمارهای مربوط به یادگیری تحت نظارت، یادگیری بدون نظارت، یادگیری تقویتی و موارد دیگر به دست خواهید آورد. مثال های دنیای واقعی را که جنبه آماری یادگیری ماشین را مورد بحث قرار می دهند را درک کنید و با آن آشنا شوید. همچنین برنامه هایی را برای انجام وظایفی مانند مدل، برازش پارامتر، رگرسیون، طبقه بندی، جمع آوری چگالی و موارد دیگر طراحی خواهید کرد.

در پایان کتاب، به آمارهای مورد نیاز برای یادگیری ماشین و یادگیری ماشین تسلط خواهید داشت. می‌تواند مهارت‌های جدید خود را برای هر نوع مشکل صنعتی به کار گیرد.

آنچه یاد خواهید گرفت

• مبانی یادگیری ماشینی و آماری لازم برای ساخت مدل‌ها را بدانید
• تفاوت‌ها و تشابهات عمده بین روش آماری و روش یادگیری ماشینی برای حل مسائل را درک کنید
• چگونگی تهیه مدل‌های داده و خوراک را با استفاده از الگوریتم‌های یادگیری ماشینی مناسب از بیش از بسته های R و Python کافی
• نتایج را تجزیه و تحلیل کنید و مدل را به طور مناسب با اهداف پیش بینی خود تنظیم کنید
• درک مفاهیم آمار مورد نیاز برای یادگیری ماشین
• خود را معرفی کنید به مبانی لازم برای ساخت مدل‌های یادگیری عمیق تحت نظارت و بدون نظارت
• یادگیری یادگیری تقویتی و کاربرد آن در حوزه هوش مصنوعی

درباره نویسنده

Pratap Dangeti راه‌حل‌های یادگیری ماشینی و یادگیری عمیق را برای داده‌های ساختاری، تصویری و متنی در TCS، تجزیه و تحلیل و بینش، آزمایشگاه نوآوری در بنگلور توسعه می‌دهد. او تجربه زیادی در زمینه تجزیه و تحلیل و علم داده کسب کرده است. او مدرک کارشناسی ارشد خود را از IIT بمبئی در رشته مهندسی صنایع و برنامه تحقیقات عملیاتی دریافت کرد. او از علاقه مندان به هوش مصنوعی است. وقتی کار نمی کند، دوست دارد در مورد فناوری های نسل بعدی و روش های نوآورانه مطالعه کند.

فهرست محتوا

1. سفر از آمار تا یادگیری ماشین
2. موازی آمار و یادگیری ماشین
3. رگرسیون لجستیک در مقابل جنگل تصادفی
4. مدل‌های یادگیری ماشینی مبتنی بر درخت
5. K-نزدیک‌ترین همسایه‌ها و ساده‌ترین همسایگان
6. پشتیبانی از ماشین های برداری و شبکه های عصبی
7. موتورهای توصیه
8. یادگیری بدون نظارت
9. یادگیری تقویتی