मशीन लर्निंग विद पाइथन कोर्स

यह पुस्तक गणितीय व्याख्या और प्रोग्रामिंग उदाहरणों के साथ मशीन लर्निंग की अवधारणा प्रदान करती है| हर अध्याय तकनीक के मूल सिद्धांतों और वास्तविक विश्व डाटासेट पर काम करने के उदाहरण के साथ शुरू होता है। एल्गोरिदम अप्लाई करने की सलाह के साथ, प्रत्येक तकनीक डेटा पर फायदे और नुकसान बताए गए है।

इस पुस्तक में हम पाइथन में कोड उदाहरण प्रदान करते हैं। पायथन इसके लिए सबसे उपयुक्त और विश्वव्यापी स्वीकृत लैंग्वेज है। सबसे पहले, यह इंडिपेंडेंट और ओपन स्रोत है| इसमें ओपन कम्युनिटी का बहुत अच्छा समर्थन है। इसमें बहुत सी लाइब्रेरी शामिल है, इसलिए आपको सब कुछ कोड करने की आवश्यकता नहीं है। इसके अलावा, यह बिग डेटा टेक्नोलॉजी के लिए स्केलेबल है और बिग डाटा तकनीकों के लिए उपयुक्त है।

प्रमुख विशेषताऐं

* मशीन लर्निंग के सभी प्रमुख क्षेत्र को समझाया गया है |
* विषयवस्तु की व्याख्या ग्राफिकल एक्सप्लनेशन से की गई हैं।
* किसी भी समस्या को हल करने के लिए विभिन्न मशीन लर्निंग के तरीकों की तुलना की गई हैं।
* किसी भी मशीन लर्निंग एल्गोरिदम को अप्लाई करने से पहले वास्तविक दुनिया के नोइसी डेटा को संभालने के तरीके बताए गए है।
* चर्चा की गई प्रत्येक अवधारणा के लिए पायथन कोड के उदाहरण दिए गए है।
* एल्गोरिदम को टेस्ट और उपयोग करने के लिए उपयोग किए जाने वाले डेटासेट के साथ जुपिटर नोटबुक स्क्रिप्ट प्रदान की गई हैं।

आप क्या सीखेंगे

मशीन लर्निंग मॉडल को बिल्ड करना जिसका उपयोग इंडस्ट्री में डेटा संबंधी समस्याओं को हल करने के लिए किया जाता है।

यह पुस्तक किसके लिए है?

यह पुस्तक सभी प्रकार के पाठकों के लिए सहायक है। या तो आप मशीन लर्निंग शुरू करना चाहते हैं या अवधारणाओं को अधिक सीखना चाहते हैं या कोड के साथ अभ्यास करना चाहते हैं, यह पुस्तक सब कुछ प्रदान करता है। हम यूजर को इस पुस्तक को पूरा करने के लिए सैंपल कोड का उपयोग करके अवधारणा को जानने और इसका अभ्यास करने की सलाह देते हैं।

1. मशीन लर्निंग का परिचय
2. पाइथन को समझना
3. फीचर इंजीनियरिंग
4. डाटा विसुअलाइसेशन
5. रिग्रेशन
6. रिग्रेशन पर अधिक
7. क्लासिफिकेशन
8. अन- सुपरवाइज़ड लर्निंग
9. टेक्स्ट एनालिसिस
10. न्यूरल नेटवर्क और डीप लर्निंग
11. रिकमेन्डेशन सिस्टम
12. टाइम सीरीज एनालिसिस

अभिषेक विजयवर्गीय डेटा साइंटिस्ट हैं। उन्होंने आईटी इंडस्ट्री में काम किया और डेटा साइंस और मशीन लर्निंग से संबंधित वास्तविक समय की प्रॉब्लम को हल करने में मदद की। उन्होंने परिवहन, सरकारी प्रक्रिया, विनिर्माण, तेल और गैस, IoT, फार्मास्यूटिकल्स, शिपिंग से संबंधित एनालिटिकल प्रॉब्लम पर काम किया है । उन्होंने आर्टिफिशियल इंटेलिजेंस में कानपुर के इंडियन इंस्टीट्यूट ऑफ टेक्नोलॉजी (IIT) से मास्टर्स पूरा किया है। उनके रिसर्च एरिया है: मशीन लर्निंग, डीप लर्निंग, स्ट्रीम प्रोसेसिंग और ब्लॉकचेन है। उन्होंने विभिन्न मशीन लर्निंग प्रोजेक्ट्स के लिए मेंटर के रूप में काम किया और दूसरों को एल्गोरिथम, कॉम्पिटिटिव प्रोग्रामिंग और डेटा साइंस में ट्रैन किया ।