خرید و دانلود نسخه کامل کتاب Hands-On Machine Learning with Scikit-Learn, Keras, and TensorFlow 3rd Edition by Aurélien Géron PDF

آنتونی رابینز میگه : من در 40 سالگی به جایی رسیدم که برای رسیدن بهش 82 سال زمان لازمه و این رو مدیون کتاب خواندن زیاد هستم.

نویسنده: Aurélien Géron

With this updated third edition, author Aurélien Géron explores a range of techniques, starting with simple linear regression and progressing to deep neural networks. Numerous code examples and exercises throughout the book help you apply what you’ve learned. Programming experience is all you need to get started.

Use Scikit-learn to track an example ML project end to end
Explore several models, including support vector machines, decision trees, random forests, and ensemble methods
Exploit unsupervised learning techniques such as dimensionality reduction, clustering, and anomaly detection
Dive into neural net architectures, including convolutional nets, recurrent nets, generative adversarial networks, autoencoders, diffusion models, and transformers
Use TensorFlow and Keras to build and train neural nets for computer vision, natural language processing, generative models, and deep reinforcement learning

توضیحات فارسی در مورد کتاب (ترجمه ماشینی)

با این ویرایش سوم، نویسنده اورلیان ژرون طیف وسیعی از تکنیک‌ها را بررسی می‌کند، از رگرسیون خطی ساده شروع می‌کند و به شبکه‌های عصبی عمیق می‌رسد. مثال‌های متعدد کد و تمرینات در سراسر کتاب به شما کمک می‌کند تا آنچه را که آموخته‌اید به کار ببرید. تجربه برنامه‌نویسی برای شروع کافی است.

از Scikit-learn برای پیگیری یک پروژه یادگیری ماشین نمونه از ابتدا تا انتها استفاده کنید
چندین مدل از جمله ماشین‌های بردار پشتیبانی، درختان تصمیم، جنگل‌های تصادفی و روش‌های مجموعه‌ای را کاوش کنید
از تکنیک‌های یادگیری بدون نظارت مانند کاهش ابعاد، خوشه‌بندی و تشخیص انحراف استفاده کنید
به معماری‌های شبکه عصبی، از جمله شبکه‌های کانولوشنال، شبکه‌های بازگشتی، شبکه‌های رقابتی تولیدکننده، کدگذارها، مدل‌های پراکندگی و ترانسفورمرها غوطه‌ور شوید
از TensorFlow و Keras برای ساخت و آموزش شبکه‌های عصبی در زمینه بینایی کامپیوتر، پردازش زبان طبیعی، مدل‌های تولیدکننده و یادگیری تقویتی عمیق استفاده کنید.