کتاب Machine Learning with PyTorch and Scikit-Learn (یادگیری ماشین با PyTorch و Scikit-Learn)، یک راهنمای جامع برای یادگیری ماشین و یادگیری عمیق با PyTorch است. این کتاب، هم به عنوان یک آموزش گام به گام و هم به عنوان مرجعی عمل می‌کند که در حین ساختن سیستم‌های یادگیری ماشین خودتان به آن رجوع خواهید کرد. این کتاب با توضیحات، تصویر سازی‌ها و مثال‌های واضح، تمام تکنیک‌های اساسی یادگیری ماشین را به طور عمقی پوشش می‌دهد. در حالی که برخی از کتاب‌ها فقط دنبال کردن دستور العمل‌ها را به شما آموزش می‌دهند، در این کتاب، ما اصولی را آموزش می‌دهیم که به شما امکان می‌دهند تا مدل‌ها و برنامه‌های کاربردی را برای خود بسازید.

پای تورچ، راه پایتونیک برای آموختن یادگیری ماشین است که یادگیری آن را آسان‌تر و کدنویسی با آن را ساده‌تر می‌کند. این کتاب، بخش‌های ضروری PyTorch و نحوه‌ی ایجاد مدل‌ها با استفاده از کتابخانه‌های محبوب مانند PyTorch Lightning و PyTorch Geometric را شرح می‌دهد. همچنین در مورد شبکه‌های متخاصم مولد (GAN) برای تولید داده‌های جدید و آموزش عوامل هوشمند با یادگیری تقویتی نیز خواهید آموخت. در نهایت، ویرایش جدید این کتاب، برای پوشش آخرین trendها در یادگیری عمیق، از جمله شبکه‌های عصبی گراف و ترانسفورماتورهای مقیاس بزرگ که برای پردازش زبان طبیعی (NLP) استفاده می‌شوند، بسط یافته است.

این کتاب، همراه شما برای یادگیری ماشین با پایتون است، خواه شما یک توسعه‌دهنده پایتون باشید که در یادگیری ماشینی تازه کار هستید یا می‌خواهید دانش خود را در مورد آخرین پیشرفت‌ها عمیق‌تر کنید.

ویژگی‌های کلیدی:

• آموختن کاربردی یادگیری ماشین با پایه ای محکم در تئوری
• توضیحات واضح و شهودی که شما را به عمق تئوری و کاربرد یادگیری ماشین پایتون می‌برد
• به طور کامل به روز شده و گسترش یافته برای پوشش PyTorch، ترانسفورماتورها، XGBoost، شبکه‌های عصبی گراف، و بهترین شیوه ها

مطالبی که یاد خواهید گرفت:

• بررسی چارچوب ها، مدل‌ها و تکنیک‌ها برای ماشین به منظور یادگیری از داده ها
• استفاده از scikit-learn برای یادگیری ماشین و PyTorch برای یادگیری عمیق
• آموزش طبقه بندی کننده‌های یادگیری ماشین بر روی تصاویر، متن و موارد دیگر
• ساخت و آموزش شبکه‌های عصبی، ترانسفورماتورها و الگوریتم‌های تقویت کننده
• کاوش بهترین شیوه‌ها برای ارزیابی و تنظیم الگوریتم ها
• پیش بینی پیامدهای هدف مستمر با استفاده از تحلیل رگرسیون
• بررسی عمیق‌تر داده‌های متنی و رسانه‌های اجتماعی با استفاده از تجزیه و تحلیل احساسات

این کتاب برای چه کسانی است؟

اگر پایتون بلد هستید و می‌خواهید از یادگیری ماشین و یادگیری عمیق استفاده کنید، این کتاب را انتخاب کنید. چه بخواهید از صفر شروع کنید یا دانش یادگیری ماشین خود را گسترش دهید، این یک منبع ضروری است. این کتاب برای توسعه دهندگان و دانشمندان داده نوشته شده است که می‌خواهند یادگیری ماشینی عملی را با کدهای یادگیری عمیق Python و PyTorch ایجاد کنند. این کتاب، برای هر کسی که می‌خواهد به رایانه‌ها یاد دهد چگونه از داده‌ها یاد بگیرند ایده‌آل است. دانش زبان برنامه نویسی پایتون، همراه با درک خوب حساب دیفرانسیل و انتگرال و جبر خطی، برای استفاده از این کتاب ضروری است.