ویژگیهای کلیدی:
● مطالعهای دقیق از مفاهیم ریاضی، مفاهیم یادگیری ماشین و تکنیکها.
● بررسی روشهایی برای ارزیابی عملکرد مدلها و تفسیر نتایج.
● کاوش تفصیلی در انواع یادگیری ماشین (نظارتشده، نظارتنشده، تقویتی، استخراج قواعد وابستگی، شبکه عصبی مصنوعی).
● شامل پرسشهای مروری و تمرینهای برنامهنویسی متعدد در انتهای هر فصل.
توضیحات:
کتاب «یادگیری ماشین سادهشده» راهنمایی جامع است که خوانندگان را در چشمانداز پیچیده یادگیری ماشین هدایت میکند و ترکیبی متعادل از نظریه، الگوریتمها و کاربردهای عملی را ارائه میدهد.
بخش اول به معرفی مفاهیم اساسی مانند یادگیری نظارتشده و نظارتنشده، رگرسیون، طبقهبندی، خوشهبندی و مهندسی ویژگی میپردازد و پایهای محکم در نظریه یادگیری ماشین فراهم میکند. بخش دوم الگوریتمهایی مانند درختهای تصمیم، ماشینهای بردار پشتیبان و شبکههای عصبی را بررسی میکند و عملکرد، نقاط قوت و محدودیتهای آنها را با تمرکز ویژه بر یادگیری عمیق، یادگیری تقویتی و روشهای جمعی توضیح میدهد. این کتاب همچنین موضوعات اساسی مانند ارزیابی مدل، تنظیم ابرپارامترها و قابلیت تفسیر مدل را پوشش میدهد. بخش پایانی از نظریه به عمل انتقال مییابد و خوانندگان را با تجربه عملی در استقرار مدلها، ساخت سیستمهای مقیاسپذیر و درک ملاحظات اخلاقی مجهز میکند.
در پایان، خوانندگان قادر خواهند بود تا با مهارتهای عملی و رویکردی استراتژیک برای حل مسئله، به طور مؤثر از یادگیری ماشین در زمینههای مربوطه خود استفاده کنند.
آنچه خواهید آموخت:
● پایهای محکم در اصول، الگوریتمها و روششناسیهای یادگیری ماشین.
● پیادهسازی مدلهای یادگیری ماشین با استفاده از کتابخانههای محبوب مانند NumPy، Pandas، PyTorch یا scikit-learn.
● دانش در مورد انتخاب مدلهای مناسب، ارزیابی عملکرد آنها و تنظیم ابرپارامترها.
● تکنیکهایی برای پیش پردازش و مهندسی ویژگیها برای مدلهای یادگیری ماشین.
● تبدیل مسائل دنیای واقعی به وظایف یادگیری ماشین و به کارگیری تکنیکهای مناسب برای حل آنها.
این کتاب برای چه کسانی مناسب است:
این کتاب برای مخاطبان متنوعی که به یادگیری ماشین، شاخه اصلی هوش مصنوعی، علاقهمند هستند، طراحی شده است. پوشش فکری آن برای دانشجویان، برنامهنویسان، محققان، مربیان، علاقهمندان به هوش مصنوعی، مهندسان نرمافزار و دانشمندان داده مفید خواهد بود.
فهرست مطالب:
1. مقدمهای بر یادگیری ماشین
2. پیشپردازش داده
3. یادگیری نظارتشده: رگرسیون
4. یادگیری نظارتشده: طبقهبندی
5. یادگیری نظارتنشده: خوشهبندی
6. کاهش ابعاد و انتخاب ویژگی
7. استخراج قواعد وابستگی
8. شبکه عصبی مصنوعی
9. یادگیری تقویتی
10. پروژه
پیوست
کتابشناسی
