خرید و دانلود نسخه کامل کتاب Machine Learning with PyTorch and Scikit-Learn: Develop machine learning and deep learning models with Python 1st Edition by Sebastian Raschka 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: Sebastian Raschka

Why PyTorch?

PyTorch is the Pythonic way to learn machine learning, making it easier to learn and simpler to code with. This book explains the essential parts of PyTorch and how to create models using popular libraries, such as PyTorch Lightning and PyTorch Geometric.

You will also learn about generative adversarial networks (GANs) for generating new data and training intelligent agents with reinforcement learning. Finally, this new edition is expanded to cover the latest trends in deep learning, including graph neural networks and large-scale transformers used for natural language processing (NLP).

This PyTorch book is your companion to machine learning with Python, whether you’re a Python developer new to machine learning or want to deepen your knowledge of the latest developments.

What you will learn
Explore frameworks, models, and techniques for machines to ‘learn’ from data
Use scikit-learn for machine learning and PyTorch for deep learning
Train machine learning classifiers on images, text, and more
Build and train neural networks, transformers, and boosting algorithms
Discover best practices for evaluating and tuning models
Predict continuous target outcomes using regression analysis
Dig deeper into textual and social media data using sentiment analysis
Who this book is for
If you have a good grasp of Python basics and want to start learning about machine learning and deep learning, then this is the book for you. This is an essential resource written for developers and data scientists who want to create practical machine learning and deep learning applications using scikit-learn and PyTorch.

Before you get started with this book, you’ll need a good understanding of calculus, as well as linear algebra.

Table of Contents
Giving Computers the Ability to Learn from Data
Training Simple Machine Learning Algorithms for Classification
A Tour of Machine Learning Classifiers Using Scikit-Learn
Building Good Training Datasets – Data Preprocessing
Compressing Data via Dimensionality Reduction
Learning Best Practices for Model Evaluation and Hyperparameter Tuning
Combining Different Models for Ensemble Learning
Applying Machine Learning to Sentiment Analysis
Predicting Continuous Target Variables with Regression Analysis
Working with Unlabeled Data – Clustering Analysis
Implementing a Multilayer Artificial Neural Network from Scratch

توضیحات فارسی در مورد کتاب (ترجمه ماشینی)

چرا پایتورچ؟

پایتورچ روشی پایتون‌محور برای یادگیری ماشین است، که آن را آسان‌تر برای یادگیری و ساده‌تر برای کدنویسی می‌کند. این کتاب بخش‌های ضروری پایتورچ و نحوه ساخت مدل‌ها با استفاده از کتابخانه‌های محبوب، مانند پایتورچ لایتنینگ و پایتورچ جیوینتیک را توضیح می‌دهد.

شما همچنین در مورد شبکه‌های رقابتی تولیدی (GANs) برای تولید داده‌های جدید و آموزش عوامل هوشمند با یادگیری تقویتی خواهید آموخت. در نهایت، این نسخه جدید به پوشش آخرین روندهای یادگیری عمیق، از جمله شبکه‌های عصبی گراف و ترنسفورمرهای مقیاس‌پذیر برای پردازش زبان طبیعی (NLP) گسترش یافته است.

این کتاب پایتورچ همراه شما در یادگیری ماشین با پایتون است، چه توسعه‌دهنده‌ای جدید به یادگیری ماشین باشید و چه بخواهید دانش خود را در مورد آخرین پیشرفت‌ها عمیق‌تر کنید.

آنچه خواهید آموخت

– کاوش در چارچوب‌ها، مدل‌ها و تکنیک‌ها برای یادگیری ماشین از داده‌ها
– استفاده از اسکیت-لرن برای یادگیری ماشین و پایتورچ برای یادگیری عمیق
– آموزش طبقه‌بندهای یادگیری ماشین بر روی تصاویر، متن و موارد دیگر
– ساخت و آموزش شبکه‌های عصبی، ترنسفورمرها و الگوریتم‌های تقویت‌کننده
– کشف بهترین شیوه‌ها برای ارزیابی و تنظیم مدل‌ها
– پیش‌بینی نتایج هدف پیوسته با تحلیل رگرسیون
– کاوش عمیق‌تر در داده‌های متنی و رسانه‌های اجتماعی با تحلیل احساسات

برای چه کسانی مناسب است؟

اگر درک خوبی از مبانی پایتون دارید و می‌خواهید درباره یادگیری ماشین و یادگیری عمیق شروع کنید، این کتاب مناسب شماست. این منبع ضروری برای توسعه‌دهندگان و دانشمندان داده‌ای است که می‌خواهند برنامه‌های کاربردی یادگیری ماشین و یادگیری عمیق را با استفاده از اسکیت-لرن و پایتورچ ایجاد کنند.

قبل از شروع به خواندن این کتاب، درک خوبی از حساب دیفرانسیل و جبر خطی لازم است.

محتوای جدول

اعطای توانایی یادگیری از داده‌ها به کامپیوترها
آموزش الگوریتم‌های ساده یادگیری ماشین برای طبقه‌بندی
گردش در طبقه‌بندهای یادگیری ماشین با استفاده از اسکیت-لرن
ساخت مجموعه‌های آموزشی خوب – پیش‌پردازش داده‌ها
فشرده‌سازی داده‌ها