python machine learning book 2nd edition
1.0.0
يرجى ملاحظة أن الإصدار الجديد (الإصدار الثالث) متاح الآن اعتبارًا من ديسمبر 2019. رابط مستودع التعليمات البرمجية للإصدار الثالث هو https://github.com/rasbt/python-machine-learning-book-3rd-edition.
تعلم آلة بايثون، الطبعة الثانية
تم النشر في 20 سبتمبر 2017
الغلاف الورقي: 622 صفحة
الناشر: باكت للنشر
اللغة: الانجليزية
ردمك-10: 1787125939
ردمك-13: 978-1787125933
كيندل ASIN: B0742K7HYF
يمكن العثور على تعليمات التثبيت والإعداد المفيدة في ملف README.md الموجود في الفصل الأول
للوصول إلى مواد التعليمات البرمجية لفصل معين، ما عليك سوى النقر على روابط open dir بجوار عناوين الفصل للانتقال إلى الدلائل الفرعية للفصل الموجودة في التعليمات البرمجية/الدليل الفرعي. يمكنك أيضًا النقر فوق روابط ipynb أدناه لفتح وعرض دفتر Jupyter لكل فصل مباشرةً على GitHub.
بالإضافة إلى ذلك، تحتوي التعليمات البرمجية/الدلائل الفرعية أيضًا على ملفات نصية .py، والتي تم إنشاؤها من Jupyter Notebooks. ومع ذلك، أوصي بشدة بالعمل مع دفتر Jupyter إن أمكن في بيئة الكمبيوتر الخاصة بك. لا تحتوي دفاتر ملاحظات Jupyter على الصور وعناوين الأقسام لتسهيل التنقل فحسب، ولكنها تسمح أيضًا بالتنفيذ التدريجي لمقتطفات التعليمات البرمجية الفردية، والتي - في رأيي - توفر تجربة تعليمية أفضل.
يرجى ملاحظة أن هذه مجرد أمثلة التعليمات البرمجية المصاحبة للكتاب، والتي قمت بتحميلها لراحتك؛ انتبه إلى أن دفاتر الملاحظات هذه قد لا تكون مفيدة بدون الصيغ والنص الوصفي.
أوه، هناك الكثير من الأشياء التي قمنا بتحسينها أو إضافتها؛ أين يجب أن أبدأ!؟ كانت المشكلة الوحيدة على رأس قائمة أولوياتي هي إصلاح جميع الأخطاء المطبعية السيئة التي تم تقديمها أثناء مرحلة التخطيط أو إشرافي. أنا حقًا أقدر كل التعليقات المفيدة من القراء بهذه الطريقة! علاوة على ذلك، قمت بمعالجة جميع التعليقات حول الأقسام التي قد تكون مربكة أو غير واضحة بعض الشيء، وأعدت صياغة الفقرات، وأضفت تفسيرات إضافية. كما أتقدم بشكر خاص إلى المحررين المتميزين في الطبعة الثانية، الذين ساعدوا كثيرًا على طول الطريق!
كما أصبحت الشخصيات والمؤامرات أجمل بكثير. بينما أحب القراء المحتوى الرسومي كثيرًا، انتقد بعض الأشخاص أسلوب وتخطيط برنامج PowerPoint. وهكذا، قررت إصلاح كل شكل صغير من خلال اختيار أكثر إرضاءً للخطوط والألوان. أيضًا، تبدو مخططات البيانات أجمل بكثير الآن، وذلك بفضل فريق matplotlib الذي بذل الكثير من العمل في matplotlib 2.0 وموضوع التصميم الجديد الخاص به.
وبعيدًا عن كل هذه الإصلاحات التجميلية، تمت إضافة أقسام جديدة هنا وهناك. ومن بينها، على سبيل المثال، قسم عن التعامل مع مجموعات البيانات غير المتوازنة، والتي فقدها العديد من القراء في الطبعة الأولى وقسم قصير عن تخصيص ديريشليت الكامن من بين أمور أخرى.
مع مرور الوقت وتغير عالم البرمجيات بعد إصدار الإصدار الأول في سبتمبر 2015، قررنا استبدال مقدمة التعلم العميق عبر Theano. لا تقلق، لم نقم بإزالته ولكنه خضع لإصلاح شامل ويعتمد الآن على TensorFlow، الذي أصبح لاعبًا رئيسيًا في مجموعة أدوات البحث الخاصة بي منذ إصداره مفتوح المصدر بواسطة Google في نوفمبر 2015. إلى جانب المقدمة الجديدة للعمق التعلم باستخدام TensorFlow، أكبر الإضافات إلى هذا الإصدار الجديد هي ثلاثة فصول جديدة تمامًا تركز على تطبيقات التعلم العميق: نظرة عامة أكثر تفصيلاً عن ميكانيكا TensorFlow، ومقدمة للشبكات العصبية التلافيفية للصور التصنيف، ومقدمة للشبكات العصبية المتكررة لمعالجة اللغة الطبيعية. وبطبيعة الحال، وعلى نفس المنوال مثل بقية الكتاب، فإن هذه الفصول الجديدة لا تزود القراء بالتعليمات والأمثلة العملية فحسب، بل تقدم أيضًا الرياضيات الأساسية وراء تلك المفاهيم، والتي تعد لبنة أساسية لفهم كيفية عمل التعلم العميق .
[ مقتطف من "التعلم الآلي يمكن أن يكون مفيدًا في كل مجالات المشكلات تقريبًا:" مقابلة مع سيباستيان راشكا ]
راشكا وسيباستيان ووحيد ميرجليلي. تعلم آلة بايثون، الطبعة الثانية باكت للنشر، 2017.
@book{RaschkaMirjalili2017,
address = {Birmingham, UK},
author = {Raschka, Sebastian and Mirjalili, Vahid},
edition = {2},
isbn = {978-1787125933},
keywords = {Clustering,Data Science,Deep Learning,
Machine Learning,Neural Networks,Programming,
Supervised Learning},
publisher = {Packt Publishing},
title = {{Python Machine Learning, 2nd Ed.}},
year = {2017}
}
