کتاب پایتون یادگیری ماشین

کتاب پایتون یادگیری ماشین نوشته وی منگ لی با ترجمه ایوب ترکیان, توسط انتشارات نیازدانش به چاپ رسیده است.

موضوع کتاب: مهندسی کامپیوتر, پایتون، برنامه نویسی کامپیوتر، زبان برنامه نویسی

کتابی که می خوانید یادگیری ماشین، یکی از داغ‌ترین موضوعات برنامه‌سازی در سال‌های اخیر را پوشش می‌دهد. یادگیری ماشین (ML) مجموعه‌ای از الگوریتم‌ها و فنون مورد استفاده برای طراحی سیستم‌هایی است که از داده‌ها یاد می‌گیرند. این سیستم‌ها آنگاه می‌توانند الگوها را از داده‌های تأمین شده پیش‌بینی یا استنتاج کنند.

ویژگی های کتاب پایتون یادگیری ماشین

•  پوشش کتابخانه‌ها در پایتون که مبانی یادگیری ماشین را پایه‌گذاری می‌کنند؛ به‌طور مشخص، NumPy، Pandas، و matplotlib.
• طرح یادگیری ماشین با استفاده از کتابخانه‌های پایتون و Sickit-learn. حتی‌المقدور، به‌صورت دستی الگوریتم یادگیری ماشین مربوط به‌صورت دستی پیاده‌سازی می‌شود. این امر به شما اجازه می‌دهد نسبت به نحوه کار الگوریتم‌های یادگیری ماشین در پس پرده، شناخت پیدا کنید. پس از انجام این کار، نحوه استفاده از کتابخانه‌های Sickit-learn نشان داده خواهد شد، که وارد کردن یادگیری ماشین به داخل اپ‌های شما را خیلی ساده می‌کند.
• پوشش الگوریتم‌های رایج یادگیری ماشین؛ رگرسیون، خوشه‌بندی، و طبقه‌بندی.

یادگیری ماشین در واقع یک موضوع خیلی پیچیده است. ولی به جای صحبت در مورد تئوری‌های ریاضی پیچیده پشت آن، پوشش از طریق مثال­های قابل فهم بوده و مراحل مختلف نمونه  کدهای زیادی برای شما تشریح خواهد شد. این کتاب حاوی تعداد کدهای برنامه زیاد، خوانندگان را تشویق کرده که مثال­های متعدد در فصول مختلف را خودشان تمرین کرده، چون آنها مستقل و فشرده بوده، و دنبال کردن و فهمیدن آنها ساده است.

معرفی مباحث کتاب پایتون یادگیری ماشین

1. مقدمه یادگیری ماشین
2. بسط پایتون با NumPy
3. پرداخت کاری داده های جدولی با Pandas
4. مصورسازی داده ها با matplotlib
5. مقدمه Scikit-learn
6. رگرسیون خطی
7. طبقه بندی رگرسیون لجستیک
8. طبقه بندی K نزدیک ترین همسایه
9. خوشه بندی کامینز
10. طبقه بندی ماشین بردار پشتیبان
11. استفاده از استودیوی آژور
12. انتشار مدل های یادگیری ماشین