এই ইবুকখনৰ বিষয়ে
熱門資料科學與機器學習演算法學習指南
本書介紹並說明資料科學領域常見且重要的機器學習演算法，這些演算法可用於監督式與非監督學習、強化學習與半監督式學習。書中所討論的演算法包括線性迴歸、logistic迴歸、SVM、樸素貝氏、k-means、隨機森林、TensorFlow與特徵工程。
你將會學到如何使用這些演算法來解決問題，以及它們的工作原理。同時也會介紹自然語言處理與推薦系統，以協助同時執行多種演算法。
最後將會知道如何挑選正確的機器學習演算法，來為你的問題進行分群、分類或迴歸。
你將學會：
• 熟悉機器學習的重要元素
• 瞭解特徵選擇與特徵工程流程
• 平衡線性迴歸的效能與誤差
• 建立資料模型，與使用各種類型的演算法來瞭解它的工作方式
• 微調SVM的參數
• 實作資料集的群聚
• 探索自然語言處理與推薦系統的概念
• 從零開始建立機器學習架構
#碁峰資訊 GOTOP Information Inc.এই ইবুকখনক মূল্যাংকন কৰক
আমাক আপোনাৰ মতামত জনাওক।
পঢ়াৰ নির্দেশাৱলী
স্মাৰ্টফ’ন আৰু টেবলেট
Android আৰু iPad/iPhoneৰ বাবে Google Play Books এপটো ইনষ্টল কৰক। ই স্বয়ংক্রিয়ভাৱে আপোনাৰ একাউণ্টৰ সৈতে ছিংক হয় আৰু আপুনি য'তে নাথাকক ত'তেই কোনো অডিঅ'বুক অনলাইন বা অফলাইনত শুনিবলৈ সুবিধা দিয়ে।
লেপটপ আৰু কম্পিউটাৰ
আপুনি কম্পিউটাৰৰ ৱেব ব্রাউজাৰ ব্যৱহাৰ কৰি Google Playত কিনা অডিঅ'বুকসমূহ শুনিব পাৰে।
ই-ৰীডাৰ আৰু অন্য ডিভাইচ
Kobo eReadersৰ দৰে ই-চিয়াঁহীৰ ডিভাইচসমূহত পঢ়িবলৈ, আপুনি এটা ফাইল ডাউনল’ড কৰি সেইটো আপোনাৰ ডিভাইচলৈ স্থানান্তৰণ কৰিব লাগিব। সমৰ্থিত ই-ৰিডাৰলৈ ফাইলটো কেনেকৈ স্থানান্তৰ কৰিব জানিবলৈ সহায় কেন্দ্ৰত থকা সবিশেষ নিৰ্দেশাৱলী চাওক।
