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