تعلم الآلة العملي للبيانات المتدفقة باستخدام Python - تأليف Sayan Putatunda (غلاف ورقي)

ملخص الكتاب صمم وطوّر وتحقق من صحة نماذج تعلم الآلة باستخدام البيانات المتدفقة عبر إطار عمل Scikit-Multiflow. يُعد هذا الكتاب دليلاً سريعاً لعلماء البيانات ومهندسي تعلم الآلة الذين يتطلعون إلى تنفيذ نماذج تعلم الآلة للبيانات المتدفقة باستخدام Python لاستخراج رؤى فورية في الوقت الفعلي. ستبدأ بمقدمة حول البيانات المتدفقة، والتحديات المختلفة المرتبطة بها، وبعض تطبيقاتها التجارية في العالم الحقيقي، بالإضافة إلى تقنيات النوافذ الزمنية المتنوعة. ستقوم بعد ذلك بفحص خوارزميات التعلم التدريجي والتعلم عبر الإنترنت، ومفهوم تقييم النماذج باستخدام البيانات المتدفقة، كما ستتعرف على إطار عمل Scikit-Multiflow في لغة Python. يتبع ذلك مراجعة لمختلف خوارزميات الكشف عن التغيير/الكشف عن انحراف المفاهيم، وتنفيذ مجموعات بيانات متنوعة باستخدام Scikit-Multiflow. كما يتناول الكتاب مقدمة عن مختلف خوارزميات التعلم الخاضع للإشراف وغير الخاضع للإشراف للبيانات المتدفقة، وكيفية تنفيذها على مجموعات بيانات متنوعة باستخدام Python. يختتم الكتاب بتقديم تغطية موجزة لأدوات المصدر المفتوح الأخرى المتاحة للبيانات المتدفقة مثل Spark وMOA (Massive Online Analysis) وKafka وغيرها.

ما ستتعلمه:

• فهم مفاهيم تعلم الآلة باستخدام البيانات المتدفقة
• مراجعة التعلم التزايدي والتعلم عبر الإنترنت
• تطوير نماذج للكشف عن انحراف المفاهيم
• استكشاف تقنيات التصنيف، والانحدار، والتعلم الجماعي في سياقات البيانات المتدفقة
• تطبيق أفضل الممارسات لتصحيح أخطاء نماذج تعلم الآلة والتحقق من صحتها في سياق البيانات المتدفقة
• التعرف على أطر العمل الأخرى مفتوحة المصدر للتعامل مع البيانات المتدفقة

لمن هذا الكتاب مهندسو تعلم الآلة ومحترفو علوم البيانات

من الغلاف الخلفي صمم وطوّر وتحقق من صحة نماذج تعلم الآلة باستخدام البيانات المتدفقة عبر إطار عمل Scikit-Multiflow. يُعد هذا الكتاب دليلاً للبدء السريع لعلماء البيانات ومهندسي تعلم الآلة الذين يتطلعون إلى تنفيذ نماذج تعلم الآلة للبيانات المتدفقة باستخدام Python لاستخراج رؤى فورية في الوقت الفعلي. ستكتشف في البداية مقدمة عن البيانات المتدفقة، والتحديات المختلفة المرتبطة بها، وبعض تطبيقاتها في عالم الأعمال الواقعي، بالإضافة إلى تقنيات النوافذ الزمنية المتنوعة. ستقوم بعد ذلك بفحص خوارزميات التعلم التدريجي والتعلم عبر الإنترنت، ومفهوم تقييم النماذج باستخدام البيانات المتدفقة، كما ستتعرف على إطار عمل Scikit-Multiflow في لغة Python. يتبع ذلك مراجعة لمختلف خوارزميات الكشف عن التغيير/الكشف عن انحراف المفاهيم، وتنفيذ مجموعات بيانات متنوعة باستخدام Scikit-Multiflow. كما يتناول الكتاب مقدمة عن مختلف خوارزميات التعلم الخاضع للإشراف وغير الخاضع للإشراف للبيانات المتدفقة، وكيفية تنفيذها على مجموعات بيانات متنوعة باستخدام Python. يختتم الكتاب باستعراض موجز لأدوات المصدر المفتوح الأخرى المتاحة للبيانات المتدفقة مثل Spark وMOA (Massive Online Analysis) وKafka وغيرها. ستتمكن من خلال هذا الكتاب من: • فهم مفاهيم تعلم الآلة باستخدام البيانات المتدفقة • مراجعة التعلم التدريجي والتعلم عبر الإنترنت • تطوير نماذج للكشف عن انحراف المفاهيم • استكشاف تقنيات التصنيف والانحدار والتعلم الجماعي في سياقات البيانات المتدفقة • تطبيق أفضل الممارسات لتصحيح أخطاء نماذج تعلم الآلة والتحقق من صحتها في سياق البيانات المتدفقة • التعرف على أطر عمل أخرى مفتوحة المصدر للتعامل مع البيانات المتدفقة

نبذة عن المؤلف يُعد الدكتور Sayan Putatunda عالماً وباحثاً خبيراً في مجال علوم البيانات. وهو حاصل على درجة الدكتوراه في الإحصاء التطبيقي وتعلم الآلة من Indian Institute of Management, Ahmedabad (IIMA)، حيث ركزت أبحاثه على البيانات المتدفقة وتطبيقاتها في قطاع النقل. كما يتمتع بخبرة ثرية في العمل ضمن أدوار تقنية وإدارية رفيعة في قطاع علوم البيانات مع العديد من الشركات مثل Amazon و VMware و Mu Sigma وغيرها. تتركز اهتماماته البحثية في مجالات البيانات المتدفقة، والتعلم العميق، وتعلم الآلة، والعمليات النقطية المكانية، والإحصاء الاتجاهي. وبصفته باحثاً، لديه العديد من المنشورات في كبرى المجلات الدولية المحكمة الصادرة عن دور نشر مرموقة. كما قدم أبحاثه في مختلف المؤتمرات الدولية المرموقة المتخصصة في تعلم الآلة والإحصاء. وهو أيضاً عضو في IEEE.