IZI1

Low-Code AI - تأليف Gwendolyn Stripling & Michael Abel (غلاف ورقي)

لا توجد تقييمات
Target
نفذ من المخزون

حول هذا المنتج

عن الكتاب اعتمد نهجاً يرتكز على البيانات وحالات الاستخدام مع Low-Code AI لفهم مفاهيم تعلم الآلة والتعلم العميق. يقدم هذا الدليل العملي ثلاث طرق تركز على حل المشكلات لتعلم تعلم الآلة بدون كود باستخدام AutoML، والتعلم منخفض الكود باستخدام BigQuery ML، والبرمجة المخصصة باستخدام scikit-learn و Keras. وفي كل حالة، ستتعلم مفاهيم تعلم الآلة الأساسية من خلال استخدام مجموعات بيانات واقعية مع مشكلات حقيقية. يحصل محللو الأعمال والبيانات على مقدمة قائمة على المشاريع في مجال تعلم الآلة والذكاء الاصطناعي باستخدام نهج مفصل وقائم على البيانات؛ يشمل تحميل البيانات وتحليلها، وتغذية البيانات في نموذج تعلم الآلة، وعمليات البناء والتدريب والاختبار، وصولاً إلى نشر النموذج في بيئة الإنتاج. يوضح لك المؤلفان Michael Abel و Gwendolyn Stripling كيفية بناء نماذج تعلم الآلة لقطاعات التجزئة، والرعاية الصحية، والخدمات المالية، والطاقة، والاتصالات. ستتعلم كيفية: التمييز بين البيانات المهيكلة وغير المهيكلة والتحديات التي تفرضها، وتصور البيانات وتحليلها، ومعالجة البيانات مسبقاً لإدخالها في نموذج تعلم الآلة، والتفريق بين نماذج التعلم الخاضع للإشراف من نوع الانحدار والتصنيف، والمقارنة بين أنواع وهياكل نماذج تعلم الآلة المختلفة، بدءاً من البرمجة بدون كود (no code) وصولاً إلى البرمجة منخفضة الكود (low code) والتدريب المخصص، وتصميم نماذج تعلم الآلة وتنفيذها وضبطها، وتصدير البيانات إلى مستودع GitHub لإدارة البيانات وحوكمتها. ملخص الكتاب اعتمد نهجاً يركز على البيانات وحالات الاستخدام مع Low-Code AI لفهم مفاهيم تعلم الآلة والتعلم العميق. يقدم هذا الدليل العملي ثلاث طرق تركز على حل المشكلات لتعلم تعلم الآلة بدون كود باستخدام AutoML، والتعلم منخفض الكود باستخدام BigQuery ML، والبرمجة المخصصة باستخدام scikit-learn و Keras. وفي كل حالة، ستتعلم مفاهيم تعلم الآلة الأساسية من خلال استخدام مجموعات بيانات واقعية مع مشكلات حقيقية.

يحصل محللو الأعمال والبيانات على مقدمة قائمة على المشاريع في مجال تعلم الآلة والذكاء الاصطناعي باستخدام نهج مفصل وقائم على البيانات؛ يشمل تحميل البيانات وتحليلها، وتغذية البيانات في نموذج تعلم الآلة، وعمليات البناء والتدريب والاختبار، وصولاً إلى نشر النموذج في بيئة الإنتاج. يوضح لك المؤلفان Michael Abel و Gwendolyn Stripling كيفية بناء نماذج تعلم الآلة لقطاعات التجزئة، والرعاية الصحية، والخدمات المالية، والطاقة، والاتصالات.

ستتعلم كيفية: التمييز بين البيانات المهيكلة وغير المهيكلة والتحديات التي تفرضها، وتصور البيانات وتحليلها، ومعالجة البيانات مسبقاً لإدخالها في نموذج تعلم الآلة، والتفريق بين نماذج التعلم الخاضع للإشراف من نوع الانحدار والتصنيف، والمقارنة بين أنواع وبنيات نماذج تعلم الآلة المختلفة، بدءاً من الأنظمة التي لا تتطلب برمجة (no code) وصولاً إلى الأنظمة منخفضة البرمجة (low code) والتدريب المخصص، وتصميم نماذج تعلم الآلة وتنفيذها وضبطها، وتصدير البيانات إلى مستودع GitHub لإدارة البيانات وحوكمتها.

  • المميزات
    • اتبع نهجاً يعتمد على البيانات وحالات الاستخدام مع Low-Code AI لفهم مفاهيم تعلم الآلة والتعلم العميق.
    • المؤلف (المؤلفون): Gwendolyn Stripling & Michael Abel
    • 325 صفحة
    • الحواسيب، علوم البيانات

المواصفات

الأبعاد (الإجمالية)

9.19 بوصة (ارتفاع) x 7.0 بوصة (عرض) x .69 بوصة (عمق)

الوزن

1.15 رطل

العمر المقترح

22 سنة فما فوق

عدد الصفحات

325

النوع

أجهزة الكمبيوتر

النوع الفرعي

علم البيانات

الناشر

O'Reilly Media

الموضوع

تعلم الآلة

التنسيق

غلاف ورقي

المؤلف

Gwendolyn Stripling & Michael Abel

اللغة

الإنجليزية

صور المنتجات هي لأغراض توضيحية فقط وهي صور نموذجية. قد تختلف الألوان أو النقوش أو المواصفات أو الأبعاد أو المقاسات أو الوظائف أو أي خصائص أخرى للمنتج الفعلي عن الواقع بسبب خصائص العرض، لذا يرجى الرجوع إلى تفاصيل المنتج المذكورة في الوصف.

قد يعجبك أيضًا