ویژگیهای کلیدی
ساخت سیستمهای یادگیری ماشین (ML) مستقل با بهرهگیری از بهترین ویژگیهای R 3.5
درک و بهکارگیری تکنیکهای مختلف یادگیری ماشین با استفاده از مثالهای دنیای واقعی
استفاده از روشهایی مانند طبقهبندی چند کلاسه، رگرسیون و خوشهبندی
شرح کتاب
با توجه به محبوبیت روزافزون محیط برنامهنویسی آماری R-zerocost، هیچوقت زمان بهتری برای شروع بهکارگیری یادگیری ماشین در دادههای شما وجود نداشته است. این کتاب با استفاده از جدیدترین کد در R 3.5، تکنیکهای پیشرفته در یادگیری ماشین را به شما آموزش میدهد. شما به بررسی ویژگیهای پیچیده مختلف یادگیری نظارتشده، یادگیری بدون نظارت و الگوریتمهای یادگیری تقویتی برای طراحی مدلهای کارآمد و قدرتمند یادگیری ماشین خواهید پرداخت.
این نسخه بهروز شده با مثالهای جدیدی که طیف وسیعی از وظایف را از حوزههای مختلف پوشش میدهند، همراه است. تسلط بر یادگیری ماشین با R با نشان دادن نحوه دستکاری سریع دادهها و آمادهسازی آنها برای تجزیه و تحلیل آغاز میشود. شما مدلهای ساده و پیچیده را بررسی خواهید کرد و نحوه مقایسه آنها را خواهید فهمید. همچنین یاد خواهید گرفت که از جدیدترین پشتیبانی کتابخانهای، مانند TensorFlow و Keras-R، برای انجام محاسبات پیشرفته استفاده کنید. علاوه بر این، مباحث پیچیدهای مانند پردازش زبان طبیعی (NLP)، تحلیل سریهای زمانی و خوشهبندی را بررسی خواهید کرد که مهارتهای شما را در توسعه برنامهها بهبود میبخشد. هر فصل به شما کمک میکند تا الگوریتمهای پیشرفته یادگیری ماشین را با استفاده از مثالهای دنیای واقعی پیادهسازی کنید. شما حتی با یادگیری تقویتی، همراه با موارد استفاده و مدلهای مختلف آن آشنا خواهید شد. در فصلهای پایانی، نگاهی اجمالی به نحوه تشخیص و درک برخی از این مدلهای جعبه سیاه خواهید داشت.
در پایان این کتاب، شما به مهارتهای لازم برای استقرار تکنیکهای یادگیری ماشین در پروژههای خود یا در محل کار مجهز خواهید شد.
آنچه خواهید آموخت
آمادهسازی آسان دادهها برای روشهای یادگیری ماشین
درک نحوه نوشتن کد آماده تولید و بستهبندی آن برای استفاده
تولید مصورسازیهای داده ساده و مؤثر برای بهبود بینش
تسلط بر روشهای پیشرفته، مانند درختهای تقویتشده و شبکههای عصبی عمیق
استفاده از پردازش زبان طبیعی برای استخراج بینش در رابطه با متن
پیادهسازی طبقهبندیکنندههای مبتنی بر درخت، از جمله جنگل تصادفی و درخت تقویتشده
این کتاب برای چه کسانی مناسب است؟
این کتاب برای متخصصان علوم داده، مهندسان یادگیری ماشین یا هر کسی که به دنبال راهنمای ایدهآل برای کمک به پیادهسازی الگوریتمهای پیشرفته یادگیری ماشین است، مناسب است. این کتاب به شما کمک میکند تا مهارتهای خود را به سطح بالاتری برسانید و در این زمینه پیشرفت بیشتری داشته باشید. دانش عملی در مورد یادگیری ماشین با R الزامی است.
فهرست مطالب
آمادهسازی و درک دادهها
رگرسیون خطی
رگرسیون لجستیک
انتخاب ویژگی پیشرفته در مدلهای خطی
K-نزدیکترین همسایهها و ماشینهای بردار پشتیبان
طبقهبندی مبتنی بر درخت
شبکههای عصبی و یادگیری عمیق
ایجاد گروههایی و روشهای چندکلاسی
تحلیل خوشهای
تحلیل مؤلفههای اصلی
تحلیل وابستگی
سریهای زمانی و علیت
متنکاوی
پیوست الف- ایجاد یک بسته
