Master Machine Learning Algorithms

تاریخ: ۲۳:۳۶:۲۳ ۱۳۹۹/۸/۲۳ جمعه
توسط: MotoMan
امتیاز: ۰
تعداد بازدید: ۳۵۵
دیدگاه ها: ۰
کتاب Master Machine Learning Algorithms
Machine Learning Mastery
Jason Brownlee
2016
163
English

الگوریتم‌های یادگیری ماشین، بر یادگیری ماشین عملی حکم فرما هستند. از آنجا که الگوریتم‌ها بخش بزرگی از یادگیری ماشین هستند، باید وقت بگذارید تا با آنها آشنا شوید و نحوه کار آنها را واقعاً بفهمید. من این کتاب را برای کمک به شما در شروع این سفر نوشتم.

شما می‌توانید الگوریتم‌های یادگیری ماشین را با استفاده از آمار، احتمال و جبر خطی توصیف کنید. توصیفات ریاضی بسیار دقیق و اغلب بدون ابهام است؛ اما این تنها راه توصیف الگوریتم‌های یادگیری ماشین نیست. هدف من از نوشتن این کتاب، توصیف الگوریتم‌های یادگیری ماشین برای توسعه دهندگان (مانند خودم) بود. ما به عنوان توسعه دهنده، به شکل رویه‌های قابل تکرار فکر می‌کنیم. بهترین روش برای توصیف یک الگوریتم یادگیری ماشین برای ما عبارتند از: ۱- از نظر نمایش استفاده شده توسط الگوریتم (اعداد واقعی ذخیره شده در یک فایل). ۲- از نظر رویه‌های قابل تکرار انتزاعی مورد استفاده توسط الگوریتم برای یادگیری یک مدل از داده‌ها و بعد برای انجام پیش بینی‌ها با مدل. ۳- با مثال‌های واضحی که دقیقا نشان می‌دهند که چگونه اعداد واقعی در معادلات قرار گرفته می‌شوند و چه اعدادی را باید به عنوان خروجی انتظار داشت.

کتاب Master Machine Learning Algorithms، به شما 10 الگوریتم قدرتمند یادگیری ماشین را از ابتدا یاد می‌دهد. توسعه دهندگان با ترکیبی از توصیف الگوریتم‌ها و مثال‌های عملی، بهتر یاد می‌گیرند. این کتاب برای آموزش الگوریتم‌های یادگیری ماشین به توسعه دهندگان به دقت طراحی شده است. این کتاب هم شامل توصیف‌های رویه ای الگوریتم‌های یادگیری ماشین و هم آموزش‌های گام به گام است که به شما نشان می‌دهد که دقیقاً چگونه می‌توانید اعداد را در معادلات مختلف وارد کنید و دقیقاً چه اعدادی را در طرف دیگر انتظار داشته باشید. این کتاب برای پرده برداشتن از الگوریتم‌های یادگیری ماشین نوشته شده است تا چیزی پنهان نماند.

این کتاب صحبت‌های ریاضی در مورد الگوریتم‌های یادگیری ماشین را کوتاه می‌کند و دقیقاً نحوه کار آنها را به شما نشان می‌دهد تا بتوانید آنها را خودتان در spreadsheet، کد‌های زبان برنامه نویسی مورد علاقه خودتان یا هر طور که دوست دارید پیاده سازی کنید. هنگامی که این دانش صمیمی را دارا شوید، همیشه با شما خواهد بود. شما می‌توانید الگوریتم‌ها را بارها و بارها پیاده سازی کنید. از همه مهمتر، شما می‌توانید رفتار یک الگوریتم را به روند زیرین آن برگردانید و واقعاً بدانید چه خبر است و چگونه می‌توانید از آن بیشترین بهره را ببرید.


پس از مطالعه توضیحات الگوریتم‌ها و آموزش‌های کتاب «استاد شدن الگوریتم‌های یادگیری ماشین: بررسی نحوه‌ی کار کردن و پیاده سازی آن‌ها از ابتدا»، قادر خواهید بود:

  • نحوه عملکرد الگوریتم‌های برتر یادگیری ماشین را بفهمید و توضیح دهید.
  • نمونه‌های اولیه الگوریتم را به زبان یا ابزار مورد نظر خود پیاده سازی کنید.

  

Table of Contents:
- I Introduction
- 1 Welcome
- II Background
- 2 How To Talk About Data in Machine Learning
- 3 Algorithms Learn a Mapping From Input to Output
- 4 Parametric and Nonparametric Machine Learning Algorithms
- 5 Supervised, Unsupervised and Semi-Supervised Learning
- 6 The Bias-Variance Trade-Off
- 7 Overfitting and Underfitting
- III Linear Algorithms
- 8 Crash-Course in Spreadsheet Math
- 9 Gradient Descent For Machine Learning
- 10 Linear Regression
- 11 Simple Linear Regression Tutorial
- 12 Linear Regression Tutorial Using Gradient Descent
- 13 Logistic Regression
- 14 Logistic Regression Tutorial
- 15 Linear Discriminant Analysis
- 16 Linear Discriminant Analysis Tutorial
- IV Nonlinear Algorithms
- 17 Classification and Regression Trees
- 18 Classification and Regression Trees Tutorial
- 19 Naive Bayes
- 20 Naive Bayes Tutorial
- 21 Gaussian Naive Bayes Tutorial
- 22 K-Nearest Neighbors
- 23 K-Nearest Neighbors Tutorial
- 24 Learning Vector Quantization
- 25 Learning Vector Quantization Tutorial
- 26 Support Vector Machines
- 27 Support Vector Machine Tutorial
- V Ensemble Algorithms
- 28 Bagging and Random Forest
- 29 Bagged Decision Trees Tutorial
- 30 Boosting and AdaBoost
- 31 AdaBoost Tutorial
- VI Conclusions
- 32 How Far You Have Come
- 33 Getting More Help
like می پسندم
dislike به درد نمی خوره
مطالب مشابه
دیدگاه ها
  • اولین نفری باشید که نظری می دهید!
loading...

لطفا منتظر بمانید...