طراحی و پیاده سازی یادگیری ماشین نظارت شده با Scikit-Learn

امروزه یادگیری ماشین یکی از مهم‌ترین فناوری‌های هوش مصنوعی است که در حوزه‌هایی مانند پزشکی، صنعت، امور مالی، آموزش، تجارت الکترونیک و تحلیل داده‌ها کاربرد گسترده‌ای دارد. با این حال، بسیاری از منابع آموزشی تنها به معرفی الگوریتم‌ها می‌پردازند و ارتباط میان مفاهیم نظری و اجرای پروژه‌های واقعی را به‌خوبی برقرار نمی‌کنند.این کتاب با رویکردی کاملاً پروژه‌محور و کاربردی، شما را گام‌ به‌گام با فرآیند طراحی، پیاده‌سازی و ارزیابی مدل‌های یادگیری ماشین با استفاده از Python و Scikit-learn آشنا می‌کند. تمامی مثال‌ها بر پایه کدنویسی عملی، مجموعه‌داده‌های واقعی و نوت‌بوک‌های Jupyter تدوین شده‌اند تا بتوانید مفاهیم را مستقیماً در پروژه‌های خود به کار بگیرید.

در این کتاب خواهید آموخت

✓ آماده‌سازی و پیش‌پردازش داده‌ها
✓ مهندسی ویژگی و طراحی Pipelineهای استاندارد
✓ پیاده‌سازی مدل‌های طبقه‌بندی و رگرسیون
✓ ارزیابی و مقایسه عملکرد مدل‌ها
✓ تنظیم هایپرپارامترها با GridSearchCV
✓ ذخیره، بارگذاری و استفاده از مدل‌های آموزش‌دیده
✓ اجرای یک پروژه کامل یادگیری ماشین از ابتدا تا انتها