یادگیری ماشین در بیوتکنولوژی و علوم زیستی؛ ساخت مدل های یادگیری ماشین با استفاده از پایتون و استقرار آنها در فضای ابری

با این راهنمای جامع، تمام ابزارها و قالب‌های مورد نیاز دانشمندان داده برای موفقیت در حرفه بیوتکنولوژی خود را بررسی کنید.

ویژگی‌های کلیدی

کاربردهای یادگیری ماشین در بخش‌های بیوتکنولوژی و علوم زیستی را بیاموزید.
کاربردهای هیجان‌انگیز یادگیری عمیق و پردازش زبان طبیعی در دنیای واقعی را کشف کنید.
فرآیند کلی استقرار مدل‌ها در پلتفرم‌های ابری مانند AWS و GCP را درک کنید.

شرح کتاب

زمینه‌های پررونق بیوتکنولوژی و علوم زیستی در چند سال گذشته تغییرات چشمگیری را تجربه کرده‌اند. با افزایش رقابت در هر گوشه، شرکت‌های سراسر جهان به دنبال روش‌های داده‌محور مانند یادگیری ماشین برای بهینه‌سازی فرآیندها و کاهش هزینه‌ها هستند. این کتاب به دانشمندان آزمایشگاه، مهندسان و مدیران کمک می‌کند تا با رویکردی عملی برای یادگیری در مورد کاربردهای یادگیری ماشین، طرز فکر یک دانشمند داده را توسعه دهند تا بهره‌وری و کارایی را در کمترین زمان افزایش دهند.

شما با یک دوره فشرده در پایتون، SQL و علوم داده شروع خواهید کرد تا مدل‌های پیچیده را از ابتدا توسعه داده و تنظیم کنید تا فرآیندها را خودکار کنید و پیش‌بینی‌هایی را در حوزه بیوتکنولوژی و علوم زیستی انجام دهید. با پیشرفت شما، کتاب تعدادی از تکنیک‌های پیشرفته در یادگیری ماشین، یادگیری عمیق و پردازش زبان طبیعی را با استفاده از داده‌های دنیای واقعی پوشش می‌دهد.

در پایان این کتاب یادگیری ماشین، شما قادر خواهید بود مدل‌های یادگیری ماشین خود را برای خودکارسازی فرآیندها و انجام پیش‌بینی‌ها با استفاده از AWS و GCP بسازید و مستقر کنید.

آنچه خواهید آموخت

شروع به کار با برنامه‌نویسی پایتون و زبان پرس‌وجوی ساختاریافته (SQL)
توسعه یک مدل پیش‌بینی یادگیری ماشین از ابتدا با استفاده از پایتون
تنظیم دقیق مدل‌های یادگیری عمیق برای بهینه‌سازی عملکرد آنها برای وظایف مختلف
آشنایی با نحوه استقرار، ارزیابی و نظارت بر یک مدل در فضای ابری
آشنایی با نحوه اعمال تکنیک‌های پیشرفته بر داده‌های دنیای واقعی
آشنایی با نحوه استفاده از روش‌های کلیدی یادگیری عمیق مانند LSTMها و ترانسفورماتورها

این کتاب برای چه کسانی مناسب است؟

این کتاب برای دانشمندان داده و متخصصان علمی است که به دنبال پیشرفت در حوزه بیوتکنولوژی هستند. متخصصان علمی که از قبل در بخش‌های داروسازی و بیوتکنولوژی فعالیت دارند، این کتاب را مفید خواهند یافت. برای بهره‌مندی هرچه بیشتر از این کتاب، درک اولیه از برنامه‌نویسی پایتون و پیش‌زمینه سطح مبتدی در زمینه علوم داده مورد نیاز است.

فهرست مطالب

معرفی یادگیری ماشین برای بیوتکنولوژی
معرفی پایتون و خط فرمان
شروع کار با SQL و پایگاه‌های داده رابطه‌ای
تصویرسازی داده‌ها با پایتون
درک یادگیری ماشین
یادگیری ماشین بدون نظارت
یادگیری ماشین تحت نظارت
درک یادگیری عمیق
پردازش زبان طبیعی
بررسی تحلیل سری‌های زمانی
استقرار مدل‌ها با برنامه‌های فلاسک
استقرار برنامه‌ها در فضای ابری