Scikit-learn Cookbook - الطبعة الثالثة - الطبعة 3rd Edition بواسطة John Sukup (غلاف ورقي)

ملخص الكتاب: احصل على خبرة عملية مع مكتبة Python الأكثر استخداماً في تعلم الآلة، من خلال أكثر من 80 وصفة عملية تغطي الوظائف الأساسية والمتقدمة. مجاناً مع كتابك: نسخة PDF خالية من إدارة الحقوق الرقمية (DRM) + إمكانية الوصول إلى قارئ Packt من الجيل التالي*. المميزات الرئيسية: - حل مشكلات الأعمال المعقدة باستخدام أساليب قائمة على البيانات - إتقان الأدوات المرتبطة بتطوير النماذج التنبؤية والتوجيهية - بناء مسارات تعلم آلة (ML pipelines) قوية للتطبيقات الواقعية، مع تجنب الأخطاء الشائعة - مجاناً مع كتابك: نسخة PDF، ومساعد الذكاء الاصطناعي، وقارئ الجيل التالي. وصف الكتاب: يحظى بثقة علماء البيانات، وML سواء كنت مهندساً أو مطور برمجيات، يوفر scikit-learn إطار عمل متعدد الاستخدامات وسهل الاستخدام لتنفيذ مجموعة واسعة من خوارزميات تعلم الآلة (ML)، مما يتيح التطوير والنشر الفعال للنماذج التنبؤية في التطبيقات الواقعية. ستساعدك الطبعة الثالثة من scikit-learn Cookbook على إتقان تعلم الآلة (ML) من خلال أمثلة واقعية وميزات scikit-learn 1.5. تأخذك هذه الطبعة المحدثة في رحلة تبدأ من فهم أساسيات تعلم الآلة (ML) ومعالجة البيانات مسبقاً، وصولاً إلى تنفيذ الخوارزميات والتقنيات المتقدمة، وحتى نشر نماذج تعلم الآلة (ML) وتحسينها في بيئات الإنتاج. ستستكشف خلال رحلتك وصفات عملية وخطوة بخطوة تغطي كل شيء، بدءاً من هندسة الميزات واختيار النموذج، وصولاً إلى ضبط المعلمات الفائقة وتقييم النموذج، وكل ذلك باستخدام scikit-learn. ومع نهاية هذا الكتاب، ستكون قد اكتسبت المعرفة والمهارات اللازمة لبناء وتقييم ونشر نماذج ML متطورة بكل ثقة باستخدام scikit-learn، لتكون مستعداً لمواجهة مجموعة واسعة من التحديات القائمة على البيانات. ما ستتعلمه:

• تنفيذ مجموعة متنوعة من خوارزميات تعلم الآلة (ML)، بدءاً من المصنفات الأساسية وصولاً إلى أساليب التجميع المعقدة، باستخدام scikit-learn
• إجراء عمليات المعالجة المسبقة للبيانات، وهندسة الميزات، واختيار النماذج لتجهيز مجموعات البيانات لتحقيق الأداء الأمثل للنماذج
• تحسين نماذج تعلم الآلة (ML) من خلال تقنيات ضبط المعلمات الفائقة والتحقق المتقاطع لتعزيز الدقة والموثوقية
• نشر نماذج تعلم الآلة (ML) لتطبيقات واقعية قابلة للتوسع وسهلة الصيانة
• تقييم وتفسير النماذج باستخدام مقاييس متقدمة وتصورات بيانية في scikit-learn
• استكشاف وصفات شاملة وعملية مصممة خصيصاً لـ scikit-learn الإصدار 1.5 لمن هذا الكتاب: هذا الكتاب مخصص لعلماء البيانات، بالإضافة إلى المتخصصين في تعلم الآلة وتطوير البرمجيات الذين يتطلعون إلى تعميق فهمهم لتقنيات تعلم الآلة المتقدمة. ولتحقيق أقصى استفادة من هذا الكتاب، يجب أن تكون لديك كفاءة في برمجة Python وإلمام بمكتبات تعلم الآلة الشائعة الاستخدام؛ مثل pandas و NumPy و matplotlib و sciPy. كما سيكون من المفيد فهم مفاهيم تعلم الآلة الأساسية، مثل الانحدار الخطي، وأشجار القرار، ومقاييس تقييم النماذج. كما ستكون الإلمام بالمفاهيم الرياضية مثل الجبر الخطي، والتفاضل والتكامل، والاحتمالات أمراً لا غنى عنه. جدول المحتويات
• الاصطلاحات الشائعة وعناصر واجهة برمجة التطبيقات (API) الخاصة بـ scikit-learn
• سير العمل ما قبل بناء النموذج ومعالجة البيانات مسبقاً
• تقنيات تقليل الأبعاد
• بناء النماذج باستخدام مقاييس المسافة والجيران الأقرب
• النماذج الخطية والتنظيم (Regularization)
• الانحدار اللوجستي المتقدم والامتدادات
• آلات المتجهات الداعمة (Support Vector Machines) وطرق النواة (Kernel Methods)
• الخوارزميات القائمة على الأشجار وطرق التجميع (Ensemble Methods)
• معالجة النصوص والتصنيف متعدد الفئات
• تقنيات التجميع (Clustering)
• كشف الحالات الجديدة والقيم المتطرفة
• تقنيات التحقق المتقاطع وتقييم النماذج
• نشر نماذج scikit-learn في بيئة الإنتاج