گسترش روزافزون تکنولوژیهای مرتبط با انقلاب صنعتی نسل چهارم، از جمله هوش مصنوعی، اینترنت اشیا، بلاکچین و متاورس، ما را با انبوهی از دادهها و اسناد بهروز مواجه کرده است. فناوریهای مبتنی بر هوش مصنوعی، بهویژه یادگیری ماشین، توانستهاند ابعاد مختلف زندگی انسان را بهطور شگرفی دگرگون کنند. یادگیری ماشین بهعنوان یکی از نوآوریهای برجسته در دنیای امروز، از آن جهت اهمیت دارد که سیستمها را قادر میسازد بهصورت خودکار از تجربیات گذشته خود بیاموزند و بدون نیاز به برنامهنویسی مجدد، عملکرد خود را بهبود بخشند؛ دقیقاً مشابه آنچه یک انسان در فرآیند رشد و بلوغ تجربه میکند.
بهنظر میرسد که با توسعه این حوزه، بهزودی شاهد سیستمهای کامپیوتری و رباتهایی خواهیم بود که رفتار و درک آنها از مفاهیم بهتدریج شباهت بیشتری به انسانها پیدا خواهد کرد و شاید حتی در آیندهای نهچندان دور از آنها پیشی بگیرد.
این کتاب به بررسی اصول یادگیری ماشین با استفاده از برنامهنویسی پایتون از زوایای مختلف پرداخته و در بخشهای مختلف کتاب، بسته به موضوع، به الگوریتمهای مختلف یادگیری ماشین و مثالهای متعددی اشاره شده است. امید می رود که این کتاب برای علاقهمندان به حوزه یادگیری ماشین مفید و سودمند واقع شود.
پیشگفتار /5
فصل اول: نگاهی اجمالی به یادگیری ماشین /15
فصل دوم: نگاهی اجمالی به اکوسیستم پایتون یادگیری ماشین با پایتون - اکوسیستم پایتون /27
فصل سوم: روشهایی برای یادگیری ماشین /51
فصل چهارم: کار با دادهها /71
فصل پنجم: درک دادهها با آمار/83
فصل ششم: درک دادهها با تجسم داده اکتشافی یا Data) Visualization)/93
فصل هفتم: آماده سازی دادهها/105
فصل هشتم: انتخاب ویژگی دادهها/119
فصل نهم: مقدمه طبقهبندی/129
فصل دهم: رگرسیون لجستیک/143
فصل یازدهم: ماشین بردار پشتیبانی (SVM)/155
فصل دوازدهم: الگوریتمهای طبقهبندی - درخت تصمیم/171
فصل سیزدهم: الگوریتمهای طبقهبندی Naïve Baye/183
فصل چهاردهم: الگوریتمهای طبقهبندی - جنگل تصادفی/193
فصل پانزدهم: الگوریتمهای رگرسیون - بررسی اجمالی/203
فصل شانزدهم: الگوریتمهای رگرسیون - رگرسیون خطی/213
فصل هفدهم: الگوریتمهای خوشهبندی - الگوریتم K- means/239
فصل هجدهم: الگوریتمهای خوشهبندی - الگوریتم تغییر میانگین یا Mean-Shift/241
فصل نوزدهم: الگوریتمهای خوشهبندی - خوشهبندی سلسلهمراتبی /249
فصل بیستم: الگوریتم K نزدیکترین همسایگان/259
فصل بیست و یکم: الگوریتمهای یادگیری ماشین - معیارهای عملکرد/271
فصل بیست و دوم: یادگیری ماشین با Pipelines - گردشکار خودکار/283
فصل بیست و سوم: بهبود عملکرد مدلهای یادگیری ماشینی/293
فصل بیست و چهارم: بهبود عملکرد مدلهای یادگیری ماشین با هایپرپارامتر/311
منابع /319
دسته بندی موضوعی | موضوع فرعی |
فنی و مهندسی |
مهندسی كامپيوتر
|