Awesome_Machine_Learning_Solutions
1.0.0
قائمة منسقة من المستودعات الخاصة بكتابي Machine Learning Solutions.
ستتاح لك الفرصة لتعلم كيفية تطوير تطبيقات علوم البيانات المتطورة باستخدام تقنيات التعلم الآلي (ML) المختلفة. يعد هذا الكتاب دليلاً عمليًا يمكن أن يساعدك في إنشاء تطبيقات علوم البيانات وتحسينها. يمكنك الوصول إلى الكود المصدري باستخدام الروابط المقدمة بعد وصف الفصل.
الفصل الأول، نمذجة مخاطر الائتمان، سنقوم في هذا الفصل ببناء نموذج التحليلات التنبؤية الذي يمكن أن يساعدنا على التنبؤ بأن العميل سوف يتخلف عن سداد القرض أم لا. سنستخدم الكشف الخارجي، وتحويل الميزات، وتجميع خوارزميات التعلم الآلي وما إلى ذلك للحصول على أفضل حل ممكن.
الفصل الثاني، التنبؤ بأسعار سوق الأوراق المالية، في هذا الفصل سنقوم ببناء نموذج تنبؤي يمكنه التنبؤ بسعر مؤشر الأسهم بناءً على مجموعة البيانات التاريخية. سوف نستخدم الشبكات العصبية للحصول على أفضل حل ممكن.
الفصل الثالث، تحليلات العملاء، سنستكشف في هذا الفصل كيفية بناء تقسيم العملاء بحيث يمكن تنفيذ الحملات التسويقية على النحو الأمثل. باستخدام خوارزميات التعلم الآلي المختلفة مثل أقرب جار K والغابة العشوائية وما إلى ذلك، يمكننا بناء نهج الخط الأساسي. من أجل الحصول على أفضل حل ممكن، سنستخدم خوارزميات التعلم الآلي المجمعة.
الفصل الرابع، أنظمة التوصية للبدء الإلكتروني، في هذا الفصل سنقوم ببناء محرك توصية لمنصة التجارة الإلكترونية. سنقوم ببناء محرك توصية يمكنه التوصية بكتب مماثلة. سوف نستخدم مفاهيم مثل الارتباط وTF-IDF وتشابه جيب التمام لبناء التطبيق.
الفصل الخامس، تحليل المشاعر، في هذا الفصل سنقوم بإنشاء درجة المشاعر لمراجعات الأفلام. من أجل الحصول على أفضل حل، سوف نستخدم الشبكات العصبية المتكررة ووحدات الذاكرة طويلة المدى.
الفصل السادس، محرك توصيات الوظائف، سنقوم في هذا الفصل ببناء مجموعة البيانات الخاصة بنا والتي يمكن استخدامها لإنشاء محرك توصيات الوظائف. سنستخدم أيضًا مجموعة البيانات المتاحة بالفعل لبناء نظام التوصية الوظيفية. سنستخدم التقنيات الإحصائية الأساسية للحصول على أفضل حل ممكن.
الفصل السابع، تلخيص النص، في هذا الفصل سنقوم ببناء التطبيق الذي يولد الملخص الاستخراجي للنسخ الطبي. سوف نستخدم مكتبات بايثون المتاحة بالفعل لنهجنا الأساسي. بعد ذلك سوف نستخدم تقنيات التوجيه والتصنيف المختلفة للحصول على ملخص للوثيقة الطبية. سنقوم أيضًا بإنشاء ملخص لمراجعات منتجات أمازون.
الفصل الثامن، تطوير روبوتات الدردشة، في هذا الفصل سنقوم بتطوير روبوتات الدردشة باستخدام النهج القائم على القواعد والنهج القائم على التعلم العميق. سوف نستخدم TensorFlow وKeras لبناء روبوتات الدردشة.
الفصل التاسع، إنشاء تطبيق للتعرف على الكائنات في الوقت الفعلي، سنتعرف في هذا الفصل على نقل التعلم. سوف نتعرف على الشبكات التلافيفية وخوارزميات YOLO (أنت تنظر مرة واحدة فقط). سوف نستخدم نماذج مدربة مسبقًا لتطوير التطبيق.
الفصل العاشر، التعرف على الوجوه والتعرف على عواطف الوجه، في النصف الأول من الفصل، سنقوم ببناء التطبيق الذي يمكنه التعرف على الوجوه البشرية. خلال النصف الثاني من الفصل، سنقوم بتطوير تطبيق يمكنه التعرف على تعبيرات الوجه البشرية. سنستخدم OpenCV وKeras وTensorFlow لإنشاء هذا التطبيق.
الفصل 11، بناء روبوتات الألعاب، سنتعرف في هذا الفصل على التعلم المعزز. سنستخدم هنا صالة الألعاب الرياضية أو مكتبة الكون للحصول على بيئة الألعاب. لقد فهمنا أولاً خوارزمية Q-learning وبعد ذلك سنقوم بتنفيذ نفس الشيء لتدريب روبوت الألعاب الخاص بنا. نحن هنا نبني روبوتًا لألعاب أتاري.
الملحق أ، قائمة أوراق الغش، سنحصل في هذا الفصل على قائمة أوراق الغش لمكتبات بايثون المختلفة التي نستخدمها بشكل متكرر في تطبيقات علوم البيانات.
الملحق ب، استراتيجية الفوز في الهاكاثون، سنتعرف في هذا الفصل على الإستراتيجية الممكنة للفوز في الهاكاثون. لقد قمت أيضًا بإدراج بعض الموارد الرائعة التي يمكن أن تساعدك على تحديث نفسك.
