در کار روزانه ما که عمدتا فناوری اطلاعات است، ضرورت یادگیری ماشین در همه جا احساس می‌شود و توسط همه‌ی توسعه دهندگان، برنامه نویسان و تحلیل گران تقاضا می‌شود. اما چرا از #C برای یادگیری ماشین استفاده کنیم؟  پاسخ این است که اکثر برنامه‌های کاربردی سازمانی با #C و با استفاده از ابزارهایی مثل ویژوال استادیو، SQL Server، Unity و مایکروسافت آژور نوشته شده اند.

این کتاب درک بصری از مفاهیم مختلف، تکنیک‌های یادگیری ماشین و ابزارهای مختلف یادگیری ماشین را ارائه می‌دهد که از طریق آنها کاربران می‌توانند امکانات هوشمندی از جمله تشخیص تصویر و حرکت، شهود Bayes، یادگیری عمیق و باور و سایر موارد را به برنامه‌های C # .NET اضافه کنند.

با استفاده از کتاب #Hands-On Machine Learning with C، شما الگوریتم‌های یادگیری تحت نظارت و بدون نظارت را پیاده سازی خواهید کرد که به مدل‌های پیش بینی خوبی مجهز خواهند بود. شما تکنیک‌ها و الگوریتم‌های زیادی از رگرسیون خطی ساده، درخت‌های تصمیم و SVM، تا مفاهیم پیشرفته ای مثل شبکه‌های عصبی مصنوعی، خودرمزگذار‌ها و یادگیری تقویتی را فرا خواهید گرفت. در مرحله بعد، شما از چارچوب یادگیری ماشین nuML برای یادگیری چگونگی ایجاد یک درخت تصمیم گیری ساده استفاده خواهید کرد. در فصل‌های پایانی ، شما برای یادگیری تشخیص توالی اعداد دست نویس با استفاده از کش و قوس زمانی پویا، از چارچوب یادگیری ماشین Accord.NET استفاده خواهید کرد.

در پایان این کتاب، شما طرز فکر یادگیری ماشین را به دست آورده اید و قادر خواهید بود از ابزار، تکنیک‌ها و پکیج‌های سی شارپ برای ساختن برنامه‌های کاربردی تجاری واقعی، هوشمند و پیش بینی کننده استفاده کنید.

مطالبی که در کتاب یادگیری ماشین با سی شارپ، یاد خواهید گرفت:

• یادگیری پارامتری کردن یک مسئله احتمالی
• استفاده از Naive Bayes برای طراحی بصری و تجزیه و تحلیل داده ها
• رسم کردن ارائه مبتنی بر متن یک درخت تصمیم با استفاده از nuML
• استفاده کردن از چارچوب یادگیری ماشین Accord.NET برای یادگیری مبتنی بر قانون انجمن
• توسعه الگوریتم‌های یادگیری ماشین با استفاده از منطق فازی
• بررسی ماشین‌های بردار پشتیبانی برای تشخیص تصویر
• درک کش و قوس زمانی پویا برای تشخیص توالی