کتاب های برچسب machine-learning
تاریخ: ۲۲:۳۶:۲۵ ۱۳۹۹/۱/۲۰ چهارشنبه
توسط: MotoMan
امتیاز: ۱

در بیش از 20 سال عمر، جاوا اسکریپت با حضور بی چون و چرا بر روی سرورها، دستگاه‌های تعبیه شده، تلویزیون‌های هوشمند، اینترنت اشیا، خودرو‌های هوشمند و موارد دیگر، فراتر از مرزهای تکامل وب حرکت کرده است. امروزه، با مزایای افزوده شده از تحقیقات یادگیری ماشین و پشتیبانی از کتابخانه هایJS ، جاوا اسکریپت مرورگرهای شما را با توانایی یادگیری الگوها و بازتولید آنها هوشمند‌تر از همیشه می‌کند تا به بخشی از محصولات و برنامه‌های نوآورانه تبدیل شوند.

کتاب Hands-on Machine Learning with JavaScript، راه‌های مختلف یادگیری ماشین را به شکل عملی و عینی ارائه می‌دهد و به پیاده سازی آنها با استفاده از زبان جاوا اسکریپت کمک می‌کند. پیش بینی رفتارها، تجزیه و تحلیل احساسات، گروه بندی داده‌ها و ساختن مدل‌های عصبی، برخی از مهارت هایی است که شما از این کتاب می‌آموزید. شما یاد می‌گیرید که چگونه مدل‌های یادگیری ماشین خود را آموزش داده و با انواع مختلفی از داده‌ها کار کنید. در طول این سفر با مواردی مانند تشخیص چهره، فیلتر اسپم، سیستم‌های توصیه گر، تشخیص کاراکتر و موارد دیگر روبرو می‌شوید. علاوه بر این، شما یاد می‌گیرید که چگونه با شبکه‌های عصبی عمیق کار کنید و برنامه‌های خود را راهنمایی کنید تا داده‌ها را درک کنند.

در پایان این کتاب، شما در زمینه ارزیابی و پیاده سازی مدل صحیح، همراه با انتخاب از کتابخانه‌های مختلف JS مانند NaturalNode، brain، harthur، classifier و بسیاری دیگر برای طراحی برنامه‌های هوشمند تر، دانش عملی کسب خواهید کرد. اگر شما یک توسعه دهنده جاوا اسکریپت هستید که می‌خواهید یادگیری ماشین را پیاده سازی کنید تا برنامه‌ها را هوشمند‌تر کنید، اطلاعات پر معنی و عمیق از داده‌ها بدست آورید و بدون تغییر به زبان دیگری وارد زمینه یادگیری ماشین شوید، این کتاب برای شما مناسب است. برای استفاده هر چه بیشتری از این کتاب، انتظار می‌رود که دانش کار با زبان جاوا اسکریپت را داشته باشید.

تعداد بازدید: ۶۶
دیدگاه ها: ۰
تاریخ: ۱۰:۳۹:۴۲ ۱۳۹۹/۱/۱۲ سه شنبه
توسط: MotoMan
امتیاز: ۱

یادگیری ماشین (ML) در بسیاری از صنایع از جمله علوم، مراقبت‌های بهداشتی و تحقیقات بسیار مورد استفاده قرار می‌گیرد و محبوبیت آن فقط در حال رشد است. مایکروسافت در مارس سال 2018، ML.NET را برای کمک به علاقه مندان کار با یادگیری ماشین در NET. معرفی کرد. در این کتاب، با استفاده از #C نحوه ساخت برنامه‌های ML.NET را با مدل‌های مختلف ML موجود بررسی خواهید کرد.

کتاب Hands-On Machine Learning with ML.NET، با ارائه یک بررسی اجمالی از یادگیری ماشین (ML) و انواع الگوریتم‌های ML مورد استفاده، همراه با اینکه ML.NET چی هست است و چرا شما برای ساختن برنامه‌های ML  به آن نیاز دارد، آغاز می‌شود. سپس چارچوب ML.NET، کامپوننت‌ها و API‌های آن را بررسی خواهید کرد. این کتاب به عنوان یک راهنمای عملی برای کمک به شما در ساخت برنامه‌های هوشمند با استفاده از کتابخانه ML.NET ایفای نقش می‌کند. شما به تدریج در چگونگی پیاده سازی الگوریتم‌های یادگیری ماشین مانند رگرسیون، دسته بندی و خوشه بندی با مثال‌ها و مجموعه داده‌های دنیای واقعی کاملاً مسلط خواهید شد. هر فصل پیاده سازی عملی را پوشش می‌دهد و نحوه پیاده سازی ML را در برنامه‌های NET. نشان می‌دهد. همچنین یاد می‌گیرید که TensorFlow را با برنامه‌های ML.NET یکپارچه کنید. سپس می‌توانید نحوه ذخیره نتیجه پیش بینی قیمت مسکن مدل رگرسیون را در پایگاه داده را بررسی کرده و نتایج پیش بینی شده بلادرنگ از پایگاه داده را روی برنامه وب خود با استفاده از ASP.NET Core Blazor و SignalR نمایش دهید. در پایان این کتاب، شما آموخته اید که چگونه با اطمینان کار‌های یادگیری ماشین سطح پایه تا پیشرفته را با ML.NET انجام دهید.

اگر شما یک توسعه دهنده دات نت هستید که می‌خواهید مدل‌های یادگیری ماشین را با استفاده از ML.NET پیاده سازی کنید، این کتاب برای شما مناسب است. این کتاب همچنین برای دانشمندان داده و توسعه دهندگان یادگیری ماشین که به دنبال ابزارهای مؤثر برای پیاده سازی الگوریتم‌های مختلف یادگیری ماشین هستند، مفید خواهد بود. دانش پایه ای از سی شارپ یا دات نت برای درک مؤثر مفاهیم این کتاب ضروری است.

تعداد بازدید: ۲۶۳
دیدگاه ها: ۰
تاریخ: ۰:۱۰:۴ ۱۳۹۸/۸/۲ پنج شنبه
توسط: MotoMan
امتیاز: ۲

علم داده‌ها و یادگیری ماشین به شکلی خاص برای ارزیابی میزان همیشه در حال افزایش داده‌های تولید شده توسط کاربران، به عنوان موضوعات پیشرو در محیط تجاری فناوری در حال ظهور هستند. در کتاب یادگیری ماشین برای وب، نحوه استفاده از پایتون برای توسعه یک برنامه تجاری وب با استفاده از جنگو و چگونگی به کارگیری برخی از کتابخانه‌های خاص (sklearn، scipy، nltk، جنگو و برخی دیگر) توضیح داده شده است تا داده‌های تولید شده و یا استفاده شده در برنامه، پردازش و تجزیه و تحلیل شوند (از طریق تکنیک‌های یادگیری ماشین).

پایتون یک زبان برنامه نویسی همه منظوره و نسبتا ساده برای یادگیری است. از این رو این زبان انتخاب دانشمندان داده هاست تا نمونه اولیه تهیه کنند، به تصویر بکشند و تجزیه و تحلیل داده‌ها را بر روی مجموعه داده‌های اندازه کوچک و متوسط انجام دهند. این کتابی منحصر به فرد است که به پر کردن شکاف بین یادگیری ماشین و توسعه وب کمک می‌کند. این کتاب بر روی سختی‌های پیاده سازی تحلیل پیشگویانه در برنامه‌های وب متمرکز است. ما بر روی زبان پایتون، چارچوبها، ابزارها و کتابخانه‌ها تمرکز می‌کنیم و نحوه ساختن یک سیستم یادگیری ماشین را به شما نشان می‌دهیم. شما مفاهیم اصلی یادگیری ماشین را بررسی خواهید کرد و سپس داده‌ها را با استفاده از چارچوب Django توسعه داده و در یک برنامه وب قرار می‌دهید.

تعداد بازدید: ۸۱۰
دیدگاه ها: ۰
تاریخ: ۱۲:۴۹:۳۳ ۱۳۹۸/۷/۵ جمعه
توسط: MotoMan
امتیاز: ۱
برچسب ها: Machine Learning |

به تشخیص خودکار الگوهای معنی دار در داده ها، اصطلاحا یادگیری ماشین گویند. در دو دهه گذشته تقریباً در هر کاری که نیاز به استخراج اطلاعات از مجموعه داده‌های بزرگ داشته باشند، یادگیری ماشین به ابزاری رایج تبدیل شده است. ما توسط فناوری‌های مبتنی بر یادگیری ماشین احاطه شده ایم: موتور‌های جستجو یاد می‌گیرند که چگونه بهترین نتایج را برای ما به دست آورند (در حالی که تبلیغات سود آوری نیز در بین نتایج قرار دهند)، نرم افزار‌های آنتی اسپم یاد می‌گیرند که پیام‌های اسپم ایمیل شما را فیلتر کنند و تراکنش‌های کارت‌های اعتباری توسط نرم افزاری که نحوه تشخیص کلاه برداران را یاد می‌گیرد، ایمن می‌شوند. دوربین‌های دیجیتال تشخیص چهره‌ها در تصاویر را یاد می‌گیرند و برنامه‌های دستیار شخصی بر روی گوشی‌های هوشمند یاد می‌گیرند تا دستورات صوتی را شناسایی کنند. اتومبیل‌ها مجهز به سیستم‌های جلوگیری از تصادف شده اند که با استفاده از الگوریتم‌های یادگیری ماشین ساخته شده اند. یادگیری ماشین همچنین در علوم دیگر مانند بیوانفورماتیک، پزشکی و نجوم بسیار مورد استفاده قرار می‌گیرد.

تعداد بازدید: ۸۷۵
دیدگاه ها: ۰
تاریخ: ۲۰:۲۳:۳۳ ۱۳۹۸/۳/۲۳ پنج شنبه
توسط: MotoMan
امتیاز: ۱
برچسب ها: Machine Learning |

کتاب یادگیری ماشین با تکنولوژی‌های مایکروسافت، انجام تجزیه تحلیل‌های predictive، descriptive و prescriptive را به کمک Microsoft Power BI، Azure Data Lake، SQL Server، Stream Analytics، Azure Databricks، HD Insight‌ و ... نشان می‌دهد.

توانایی تحلیل حجم عظیمی از داده‌های بلادرنگ و پیشبینی رفتار آینده یک سازمان، برای موفقیت آن سازمان در بلند مدت ضروری است. علم داده‌ها و مخصوصا یادگیری ماشین، امروزه نقشی تحول آفرین دارند و باید در استراتژی سازمان نقشی کلیدی داشته باشند. مدیریت یک فرآیند یادگیری ماشین از فهم کسب و کار، اکتساب داده‌ها و تمیز سازی، مدل سازی و انتشار در هر ابزاری یک مجموعه مهارت ارزشمند هستند.

تعداد بازدید: ۸۶۵
دیدگاه ها: ۰
تاریخ: ۲۱:۲۹:۴۵ ۱۳۹۸/۳/۶ دوشنبه
توسط: MotoMan
امتیاز: ۲
برچسب ها: Machine Learning | Database | Data Mining |

در عصر مدرن هوش مصنوعی و تجزیه و تحلیل کسب و کار، داده‌ها به عنوان نفت این دنیای سایبری در نظر گرفته شده اند. استخراج داده‌ها پتانسیل زیادی برای بهبود نتایج کسب و کار دارد و تقاضای رو به رشدی برای متخصصان database mining به وجود آمده است.

کتاب Data Mining and Data Warehousing، جنبه‌های کاربردی داده کاوی، انبار داده و یادگیری ماشین را پوشش داده است بدون این که جزئیات این موضوعات را از قلم بیندازد. نقطه قوت این کتاب، نشان دادن مفاهیم با مثال‌های کاربردی است تا خواننده به راحتی مفاهیم را بفهمد. یکی دیگر از نقاط برجسته این کتاب، نشان دادن الگوریتم‌های داده کاوی با Weka و زبان R است.

تعداد بازدید: ۱۰۲۴
دیدگاه ها: ۰
تاریخ: ۲۰:۴۶:۵۲ ۱۳۹۷/۱۲/۲۷ دوشنبه
توسط: MotoMan
امتیاز: ۳

در کار روزانه ما که عمدتا فناوری اطلاعات است، ضرورت یادگیری ماشین در همه جا احساس می‌شود و توسط همه‌ی توسعه دهندگان، برنامه نویسان و تحلیل گران تقاضا می‌شود. اما چرا از #C برای یادگیری ماشین استفاده کنیم؟  پاسخ این است که اکثر برنامه‌های کاربردی سازمانی با #C و با استفاده از ابزارهایی مثل ویژوال استادیو، SQL Server، Unity و مایکروسافت آژور نوشته شده اند.

این کتاب درک بصری از مفاهیم مختلف، تکنیک‌های یادگیری ماشین و ابزارهای مختلف یادگیری ماشین را ارائه می‌دهد که از طریق آنها کاربران می‌توانند امکانات هوشمندی از جمله تشخیص تصویر و حرکت، شهود Bayes، یادگیری عمیق و باور و سایر موارد را به برنامه‌های C # .NET اضافه کنند.

با استفاده از کتاب #Hands-On Machine Learning with C، شما الگوریتم‌های یادگیری تحت نظارت و بدون نظارت را پیاده سازی خواهید کرد که به مدل‌های پیش بینی خوبی مجهز خواهند بود. شما تکنیک‌ها و الگوریتم‌های زیادی از رگرسیون خطی ساده، درخت‌های تصمیم و SVM، تا مفاهیم پیشرفته ای مثل شبکه‌های عصبی مصنوعی، خودرمزگذار‌ها و یادگیری تقویتی را فرا خواهید گرفت. در مرحله بعد، شما از چارچوب یادگیری ماشین nuML برای یادگیری چگونگی ایجاد یک درخت تصمیم گیری ساده استفاده خواهید کرد. در فصل‌های پایانی ، شما برای یادگیری تشخیص توالی اعداد دست نویس با استفاده از کش و قوس زمانی پویا، از چارچوب یادگیری ماشین Accord.NET استفاده خواهید کرد.

در پایان این کتاب، شما طرز فکر یادگیری ماشین را به دست آورده اید و قادر خواهید بود از ابزار، تکنیک‌ها و پکیج‌های سی شارپ برای ساختن برنامه‌های کاربردی تجاری واقعی، هوشمند و پیش بینی کننده استفاده کنید.

تعداد بازدید: ۱۶۱۳
دیدگاه ها: ۰
تاریخ: ۹:۳۷:۳۹ ۱۳۹۷/۱۱/۱۹ جمعه
توسط: MotoMan
امتیاز: ۱
برچسب ها: Machine Learning | Swift |

یادگیری ماشین به عنوان یک حوزه، آوردن هوش بیشتری به نرم افزار را وعده داده است که این کار را از طریق کمک کردن به ما در یادگیری و آنالیز موثر اطلاعات و کشف چیزهایی خاص که انسان‌ها قادر به انجام آن نیستند انجام می‌دهد.

در بخش اول کتاب یادگیری ماشین با Swift، ما کارمان را با توسعه‌ی مثال هایی درباره‌ی مفاهیم پایه ای یادگیری ماشین آغاز کرده ایم. در بخش دوم تکنیک‌های یادگیری ماشین نظارت شده و نظارت نشده را فرا می‌گیریم. در بخش سوم نیز تکنیک‌های یادگیری عمیق را به همراه مثال‌های واقعی مرور می‌کنیم.

در بخش آخر نیز ما به سراغ موضوعاتی از قبیل فشرده سازی مدل و شتابدهی GPU می‌رویم و تعدادی توصیه برای دوری از اشتباهات رایج به هنگام توسعه نرم افزار‌های یادگیری ماشین به شما می‌کنیم.

تعداد بازدید: ۶۶۶
دیدگاه ها: ۰
تاریخ: ۱۹:۳۳:۲۹ ۱۳۹۶/۱۱/۷ شنبه
توسط: MotoMan
امتیاز: ۳

TensorFlow یک کتابخانه نرم افزاری متن باز برای هوش مصنوعی است.  این کتابخانه در نوامبر 2015 توسط Google متن باز باشد و از آن زمان تبدیل به پر ستاره‌ترین مخزن یادگیری ماشین در GitHub شده است. محبوبیت TensorFlow به خاطر روش ایجاد گراف‌های محاسباتی، مشتق گیری خودکار و شخصی سازی آن است. به خاطر این امکانات، TensorFlow ابزاری بسیار قدرتمند و سازگار است که می‌توان از آن در حل بسیای از مسائل مختلف یادگیری استفاده کرد.

کتاب TensorFlow Machine Learning Cookbook به بسیاری از الگوریتم‌های یادگیری ماشین می‌پردازد، آن‌ها را به شرایط و داده‌های واقعی اعمال می‌کند و نشان می‌دهد که چگونه نتایج را تفسیر کرد.

تعداد بازدید: ۲۷۲۰
دیدگاه ها: ۰
تاریخ: ۲۰:۵:۵۴ ۱۳۹۶/۱۱/۵ پنج شنبه
توسط: MotoMan
امتیاز: ۱
برچسب ها: Machine Learning | Data Mining |

کتاب یادگیری ماشین: دستیاری برای توسعه دهندگان و حرفه ای‌های فنی؛ دستور العمل عملی و مثال‌های قابل اجرا کدنویسی شده برای بیشتر تکنیک‌های رایج یادگیری ماشین که توسط توسعه دهندگان و خبره‌های فنی مورد استفاده قرار می‌گیرند ارائه داده است. این کتاب شامل تجزیه و تحلیل هر نوع ML است؛ با بیان این که چگونه کار می‌کند و چگونه در صنایع به خصوصی استفاده می‌شوند به خواننده این اجازه را می‌دهد تا تکنیک‌های ارائه شده را در کار‌های خود به کار بندد. یکی از هسته‌های اصلی یادگیری ماشین تمرکز بر روی آماده سازی داده‌ها و شناسایی کامل انواع مختلف الگوریتم‌های یادگیری است تا نشان دهد که چگونه ابزارهای مناسب به هر توسعه دهنده ای کمک می‌کند تا اطلاعات را استخراج کند و بینشی از داده‌های موجود به دست آورد.

یادگیری ماشین، یک تکنولوژی وابسته به ریاضیات و مبتنی بر الگوریتم است که مبنای داده کاوی تاریخی و علم داده‌های بزرگ مدرن را تشکیل می‌دهد. تحلیل علمی داده‌های بزرگ احتیاج به دانش عملی یادگیری ماشین دارد چرا که پیش بینی‌ها را مبتنی بر خواص شناخته شده از داده‌های آموزشی شکل می‌دهد. با یادگرفتن ساخت سیستمی که می‌تواند از داده‌ها یاد بگیرد، خواننده‌ها می‌توانند ابزارهای خود را در صنعت افزایش دهند. یادگیری ماشین بر اساس آنالیز داده‌ها و تصویر سازی است که به شدت مورد تقاضای شرکت هایی قرار گرفته است که کشف کرده اند معدنی از طلا در داده‌های موجودشان پنهان شده است.

تعداد بازدید: ۲۳۸۹
دیدگاه ها: ۰
تاریخ: ۱۴:۵۲:۲۸ ۱۳۹۴/۱۰/۵ شنبه
توسط: punsher2011
امتیاز: ۰
برچسب ها: Machine Learning | Python | Computer Vision |

یادگیری ماشین را به کمک مجموعه ای از کتابخانه‌های پایتون فرا بگیرید و سیستم‌های یادگیری خودتان را بر مبنای پایتون بنویسید

دربرگیرنده‌ی طبقه بندی،رگراسیون، مهندسی ویژگی‌ها و بسیاری مثال عملی دیگر
آموزش هایی مبتنی بر سناریو تا آموزنده‌ی ماشین، درک درستی پیدا کرده و با موفقیت آن را پیاده سازی کند.

این کتاب برای برنامه نویسان پایتون میباشد که قصد یادگیری و فعالیت در زمینه‌ی یادگیری ماشین دارند.از خواننده‌ها انتظار میرود تا نحوه‌ی نصب پایتون و اجرای کتابخانه‌های متن باز را داشته باشند و انتظار بلد بودن یادگیری ماشین از آن‌ها نمیرود، با اینحال این کتاب میتواند برای آشنایی با کتابخانه‌های پایتون برای کسانی که یادگیری ماشین بلد هستند نیز استفاده شود. در این کتاب بر جزییات ریاضی پس زمینه‌ی الگوریتم‌ها بحث نمیشود.

تعداد بازدید: ۲۷۱۵
دیدگاه ها: ۰
تاریخ: ۲۳:۳۶:۵۶ ۱۳۹۴/۱۰/۲ چهارشنبه
توسط: punsher2011
امتیاز: ۱

این کتاب و مرجع برای محققین و دانش آموزان یادگیری ماشین، نظریه بازی ها، آمار و تئوری احتمالات طراحی شده است و به آن‌ها ایده‌ها و راه کارهایی جامعی در مورد ترتیب یا دنباله ی‌های خاص پیش بینی می‌دهد. برخلاف راهکار‌های استاندارد آماری برای پیش بینی یا پیشگویی حالات بخصوص دنباله‌ها یا ترتیب ها، این روش هیچ گونه فرض‌های احتمالی بر روی مکانیزم‌های تولید داده ایجاد نمیکند . با اینحال، این الگوریتم‌های پیش بینی به گونه ای ساختار یافته میشوند که برای تمامی دنباله‌های احتمالی کاربرد دارند، در کنار داشتن بهترین بازدهی در پیشگویی .

تعداد بازدید: ۳۲۳۲
دیدگاه ها: ۰
تاریخ: ۷:۳۶:۰ ۱۳۹۲/۶/۳ یکشنبه
توسط: MotoMan
امتیاز: ۳
برچسب ها: Machine Learning |

در این کتاب، ابتدا اهمیت الگوریتم‌های یادگیری ماشین بیان شده است. ابزارها و برنامه هایی که از این الگوریتم‌ها استفاده می‌کنند، معرفی شده تا در خواننده این ذهنیت را ایجاد کند که این الگوریتم‌ها امروزه در عمل چگونه استفاده می‌شوند. کتاب‌های بسیار زیادی را در زمینه‌ی یادگیری ماشین خواهید یافت که عموما در مورد ریاضیات بحث می‌کنند. هدف این کتاب تبدیل شدن به پلی از الگوریتم‌های ماتریس وار به برنامه‌های واقعی کاربردی است. با این ذهنیت، فراموش نکنید که تمرکز بیشتر این کتاب بر روی کد نویسی است تا ریاضیات.

تعداد بازدید: ۴۷۸۱
دیدگاه ها: ۰
loading...

لطفا منتظر بمانید...