كتاب وصفات تعلم الآلة باستخدام Python - الطبعة الثانية من تأليف Kyle Gallatin & Chris Albon (غلاف ورقي)

حول الكتاب يوفر هذا الدليل العملي أكثر من 200 وصفة مستقلة لمساعدتك في حل تحديات تعلم الآلة التي قد تواجهها في عملك. إذا كنت تتقن استخدام Python ومكتباتها، بما في ذلك pandas و scikit-learn، فستتمكن من معالجة مشكلات محددة، بدءاً من تحميل البيانات وصولاً إلى تدريب النماذج والاستفادة من الشبكات العصبية. تتضمن كل وصفة في هذه الطبعة المحدثة كوداً يمكنك نسخه ولصقه وتشغيله باستخدام مجموعة بيانات تجريبية لضمان عمله. ومن هناك، يمكنك تطويع هذه الوصفات وفقاً لحالة الاستخدام أو التطبيق الخاص بك. تتضمن الوصفات مناقشة تشرح الحل وتوفر سياقاً مفيداً. تجاوز النظريات والمفاهيم من خلال تعلم التفاصيل العملية والأساسية التي تحتاجها لبناء تطبيقات تعلم آلة فعالة. ملخص الكتاب يوفر هذا الدليل العملي أكثر من 200 وصفة مستقلة لمساعدتك في حل تحديات تعلم الآلة التي قد تواجهها في عملك. إذا كنت تتقن استخدام Python ومكتباتها، بما في ذلك pandas و scikit-learn، فستتمكن من معالجة مشكلات محددة، بدءاً من تحميل البيانات وصولاً إلى تدريب النماذج والاستفادة من الشبكات العصبية. تتضمن كل وصفة في هذه الطبعة المحدثة أكواداً برمجية يمكنك نسخها ولصقها وتشغيلها باستخدام مجموعة بيانات تجريبية لضمان عملها بشكل صحيح. ومن هناك، يمكنك تطويع هذه الوصفات لتناسب حالة الاستخدام أو التطبيق الخاص بك. كما تشمل الوصفات مناقشات تشرح الحلول وتوفر سياقاً مفيداً. تجاوز مرحلة النظريات والمفاهيم من خلال تعلم التفاصيل الدقيقة والأساسية التي تحتاجها لبناء تطبيقات تعلم آلة فعالة. ستجد وصفات لكل من: المتجهات والمصفوفات والمصفوفات أحادية البعد، والتعامل مع البيانات من ملفات CSV و JSON و SQL وقواعد البيانات والتخزين السحابي والمصادر الأخرى، ومعالجة البيانات الرقمية والفئوية والنصوص والصور والتواريخ والأوقات، وتقليل الأبعاد باستخدام استخراج الميزات أو اختيار الميزات، وتقييم النماذج واختيارها، والانحدار الخطي والمنطقي، والأشجار والغابات، وخوارزمية k-nearest neighbors، ودعم آلات المتجهات الداعمة (SVM) و naäve Bayes والتجميع والنماذج القائمة على الأشجار، بالإضافة إلى حفظ النماذج المدربة وتحميلها وتقديمها من أطر عمل متعددة.