یادگیری ماشین عملی با Scikit-Learn و PyTorch

پتانسیل یادگیری ماشین امروز فوق‌العاده است، با این حال بسیاری از توسعه‌دهندگان مشتاق و متخصصان فناوری خود را در برابر پیچیدگی آن سردرگم می‌یابند. چه به دنبال ارتقاء مجموعه مهارت‌های خود و به کارگیری یادگیری ماشین در پروژه‌های دنیای واقعی باشید یا صرفاً کنجکاو در مورد نحوه عملکرد سیستم‌های هوش مصنوعی، این کتاب نقطه شروع شماست. با سبکی قابل دسترس و در عین حال عمیقاً آموزنده، نویسنده Aurélien Géron راهنمای مقدماتی نهایی برای یادگیری ماشین و یادگیری عمیق را ارائه می‌دهد. این کتاب با تکیه بر اکوسیستم Hugging Face، با تمرکز بر توضیحات واضح و مثال‌های دنیای واقعی، شما را از طریق ابزارهای پیشرفته‌ای مانند Scikit-Learn و PyTorch — از تکنیک‌های رگرسیون پایه تا شبکه‌های عصبی پیشرفته — راهنمایی می‌کند. چه دانشجو، حرفه‌ای یا علاقه‌مند باشید، مهارت‌های لازم برای ساخت سیستم‌های هوشمند را کسب خواهید کرد. - درک مبانی یادگیری ماشین، از جمله مفاهیمی مانند بیش‌برازش (Overfitting) و تنظیم فراپارامتر (Hyperparameter Tuning) - تکمیل یک پروژه یادگیری ماشین سرتاسری (End-to-End) با استفاده از scikit-Learn، پوشش همه چیز از کاوش داده تا ارزیابی مدل - یادگیری تکنیک‌های یادگیری بدون نظارت (Unsupervised Learning)، مانند خوشه‌بندی و تشخیص ناهنجاری - ساخت معماری‌های پیشرفته مانند ترانسفورمرها (Transformers) و مدل‌های انتشار (Diffusion Models) با PyTorch - مهار قدرت مدل‌های از پیش آموزش‌دیده — از جمله مدل‌های زبان بزرگ (LLMs) — و یادگیری نحوه تنظیم دقیق (Fine-tuning) آن‌ها - آموزش عامل‌های خودمختار با استفاده از یادگیری تقویتی (Reinforcement Learning)