الگوریتم های یادگیری ماشین تطبیقی با پایتون

یاد بگیرید که از الگوریتم‌های تطبیقی ​​برای حل مسائل مربوط به داده‌های جریانی در دنیای واقعی استفاده کنید. این کتاب طیف وسیعی از چالش‌های پردازش داده‌ها را از ساده تا پیچیده پوشش می‌دهد. در هر مرحله، شما بینشی نسبت به موارد استفاده در دنیای واقعی به دست خواهید آورد، راه‌حل‌هایی پیدا خواهید کرد، کدهایی را که برای حل این مسائل استفاده می‌شوند، بررسی خواهید کرد و الگوریتم‌های جدیدی را برای استفاده خود ایجاد خواهید کرد.

نویسندگان، چانچال چاترجی و ووانی پی. رویچودهوری، با معرفی یک چارچوب مشترک برای ایجاد الگوریتم‌های تطبیقی ​​و نشان دادن نحوه استفاده از آن برای پرداختن به مسائل مختلف داده‌های جریانی شروع می‌کنند. مثال‌ها از استفاده از توابع ماتریسی برای حل مسائل یادگیری ماشین و تحلیل داده‌ها گرفته تا مسائل محاسبات لبه‌ای بحرانی‌تر را شامل می‌شود. آن‌ها داده‌های متغیر با زمان و غیر ایستا را با حداقل محاسبات، حافظه، تأخیر و پهنای باند مدیریت می‌کنند.

پس از اتمام این کتاب، شما درک کاملی از نحوه حل مسائل یادگیری ماشین تطبیقی ​​و تحلیل داده‌ها خواهید داشت و می‌توانید الگوریتم‌های جدیدی را برای موارد استفاده خود استخراج کنید. همچنین با راه‌حل‌هایی برای داده‌های متغیر با زمان با حجم بالا و ابعاد بالا در یک محیط با محاسبات کم و تأخیر کم، مواجه خواهید شد.
…
آنچه خواهید آموخت

الگوریتم‌های تطبیقی ​​را در کاربردهای عملی و مثال‌ها به کار ببرید
ویژگی‌های نمایش داده‌های مرتبط و مدل‌های محاسباتی برای داده‌های چندبعدی متغیر با زمان را درک کنید
الگوریتم‌های تطبیقی ​​​​را برای میانگین، میانه، کوواریانس، بردارهای ویژه (PCA) و بردارهای ویژه تعمیم‌یافته با آزمایش روی داده‌های واقعی استخراج کنید
الگوریتم‌های خود را سرعت بخشیده و آنها را روی داده‌های ثابت و غیر ثابت دنیای واقعی استفاده کنید
بر کاربردهای الگوریتم‌های تطبیقی ​​​​در برنامه‌های محاسباتی دستگاه‌های لبه بحرانی تسلط پیدا کنید

این کتاب برای چه کسانی مناسب است؟
مهندسان یادگیری ماشین، دانشمندان و معماران داده، مهندسان نرم‌افزار و معمارانی که محاسبات دستگاه‌های لبه و مدیریت داده‌ها را مدیریت می‌کنند.