نام کتاب: Approaching (Almost) Any Machine Learning Problem
نویسنده: Abhishek Thakur
ویرایش: ۱
سال انتشار: ۲۰۲۰
کد ISBN کتاب: ۹۷۸۸۲۶۹۲۱۱۵۲۸,
فرمت: PDF
تعداد صفحه: ۳۰۰
حجم کتاب: ۱۲ مگابایت
کیفیت کتاب: OCR
انتشارات: Abhishek Thakur
Description About Book Approaching (Almost) Any Machine Learning Problem From Amazon
This is not a traditional book.
The book has a lot of code. If you don’t like the code first approach do not buy this book. Making code available on Github is not an option.
This book is for people who have some theoretical knowledge of machine learning and deep learning and want to dive into applied machine learning. The book doesn’t explain the algorithms but is more oriented towards how and what should you use to solve machine learning and deep learning problems. The book is not for you if you are looking for pure basics. The book is for you if you are looking for guidance on approaching machine learning problems. The book is best enjoyed with a cup of coffee and a laptop/workstation where you can code along.
Table of contents:
– Setting up your working environment
– Supervised vs unsupervised learning
– Cross-validation
– Evaluation metrics
– Arranging machine learning projects
– Approaching categorical variables
– Feature engineering
– Feature selection
– Hyperparameter optimization
– Approaching image classification & segmentation
– Approaching text classification/regression
– Approaching ensembling and stacking
– Approaching reproducible code & model serving
There are no sub-headings. Important terms are written in bold.
I will be answering all your queries related to the book and will be making YouTube tutorials to cover what has not been discussed in the book. To ask questions/doubts, please create an issue on github repo: https://github.com/abhishekkrthakur/approachingalmost
And Subscribe to my youtube channel: https://bit.ly/abhitubesub
درباره کتاب Approaching (Almost) Any Machine Learning Problem ترجمه شده از گوگل
این یک کتاب سنتی نیست.
این کتاب کد زیادی دارد. اگر کد اول را دوست ندارید ، این کتاب را خریداری نکنید. در دسترس قرار دادن کد در Github یک گزینه نیست.
این کتاب برای افرادی است که برخی دانش نظری در مورد یادگیری ماشین و یادگیری عمیق دارند و می خواهند در یادگیری ماشینی کاربردی فرو روند. این کتاب الگوریتم ها را توضیح نمی دهد اما بیشتر به سمت چگونگی و چگونگی استفاده از شما برای حل مشکلات یادگیری ماشین و یادگیری عمیق است. این کتاب برای شما مناسب نیست اگر به دنبال اصول ناب هستید. این کتاب برای شما مناسب است اگر به دنبال راهنمایی در مورد نزدیک شدن به مشکلات یادگیری ماشین هستید. بهترین لذت بردن از کتاب را با یک فنجان قهوه و یک لپ تاپ / ایستگاه کاری که در آن می توانید کد تهیه کنید.
فهرست مطالب:
– تنظیم محیط کار خود
– یادگیری تحت نظارت و نظارت بدون نظارت
– اعتبار سنجی متقابل
– معیارهای ارزیابی
– ترتیب پروژه های یادگیری ماشین
– نزدیک شدن به متغیرهای طبقه ای
– مهندسی ویژگی
– انتخاب ویژگی
– بهینه سازی ابرپارامتر
– نزدیک شدن به طبقه بندی و تقسیم بندی تصویر
– نزدیک شدن به طبقه بندی / رگرسیون متن
– نزدیک شدن به مجموعه و جمع شدن
– نزدیک شدن به کد قابل استفاده و ارائه مدل
هیچ عنوان فرعی وجود ندارد. اصطلاحات مهم با حروف درشت نوشته شده است.
من به تمام سeriesالات شما در رابطه با کتاب پاسخ خواهم داد و آموزشهای YouTube را برای پوشش آنچه در کتاب بحث نشده است ، تهیه خواهم کرد. برای طرح س questionsال / تردید ، لطفاً در github repo مسئله ای ایجاد کنید: https://github.com/abhishekkrthakur/approachingalmost
و عضویت در کانال یوتیوب من: https://bit.ly/abhitubesub
[box type=”info”]
جهت دسترسی به توضیحات این کتاب در Amazon اینجا کلیک کنید.
در صورت خراب بودن لینک کتاب، در قسمت نظرات همین مطلب گزارش دهید.
با خرید اشتراک، بدون محدودیت، کتاب دانلود کن!
