لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
آموزش پروژه های یادگیری ماشین با جاوا [ویدئو]
Machine Learning Projects with Java [Video]
نکته:
آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره:
توسعه دهندگان نگران استفاده از الگوریتم های مختلف برای حل مسائل مختلف هستند. این دوره راهنمای کاملی برای شناسایی بهترین راه حل برای ساخت کارآمد پروژه های یادگیری ماشین برای موارد استفاده مختلف برای حل مشکلات دنیای واقعی است.
در این دوره، شما یاد خواهید گرفت که چگونه مدلی بسازید که داده های حسگر بردار ویژگی های پیچیده را گرفته و نقاط داده را به کلاس هایی با ویژگی های مشابه طبقه بندی کند. سپس قیمت یک خانه را بر اساس داده های تاریخی پیش بینی خواهید کرد. در نهایت، شما یک مدل یادگیری عمیق خواهید ساخت که می تواند ویژگی های شخصیتی را با استفاده از داده های برچسب گذاری شده حدس بزند.
در پایان این دوره، شما بر هر دامنه یادگیری ماشینی تسلط خواهید داشت و می توانید پروژه های قدرتمند خود را در محل کار بسازید.
همه فایل های منبع در مخزن GitHub در https://github.com/PacktPublishing/Machine-Learning-Projects-with-Java آپلود می شوند.
پیاده سازی تشخیص الگوی داده های بدون برچسب
ساخت مدل های رگرسیون برای داده ها با ویژگی های متعدد
مدل های آموزش دیده را برای استفاده مجدد بیشتر ذخیره کنید
نحوه انجام اعتبارسنجی متقابل را بیاموزید
از یادگیری عمیق در مسائل ML استفاده کنید
اجرای پردازش زبان طبیعی با یادگیری عمیق
این دوره برای توسعه دهندگان جاوا است که اکنون می خواهند مهارت خود را در یادگیری ماشینی گسترش دهند و می خواهند با استفاده از جاوا به راحتی به این کار دست یابند.
این دوره همچنین برای افرادی که درک اولیه ای از مفاهیم ML دارند اما اکنون می خواهند یاد بگیرند که چگونه آن را با جاوا پیاده سازی کنند جذاب خواهد بود.
ساخت پروژه های یادگیری ماشین با استفاده از پشتیبانی گسترده کتابخانه جاوا مانند Weka، deeplearning4j، ND4J، و بسیاری دیگر * راهنمای عملی، با تمرکز دقیق بر پیاده سازی موردی، برای ایجاد پروژه ها برای هر دامنه یادگیری ماشین * حل مشکلات دنیای واقعی با کمک یادگیری ماشین با کتابخانه های Java ML *
سرفصل ها و درس ها
استخراج ویژگی برای داده های فید خبری متنی بدون ساختار
Feature Extraction for Unstructured Textual News Feed Data
بررسی اجمالی دوره
The Course Overview
انجام مهندسی ویژگی
Performing Feature Engineering
استفاده از بردارها و ماتریس های ورودی کتابخانه ND4J
Leveraging ND4J Library Input Vectors and Matrices
استخراج ویژگی های INArray
Extracting INDArray Features
اعمال تبدیل های اسکالر به بردارهای ویژگی
Applying Scalar Transformations to Features Vectors
طبقه بندی ML برای تشخیص الگوی داده های حسگر با استفاده از کتابخانه Weka
ML Classification for Pattern Recognition of Sensor Data Using Weka Library
راه اندازی پروژه با استفاده از کتابخانه Weka
Project Set Up Using Weka Library
داده کاوی مجموعه داده های ورودی
Data Mining of Input Data Set
طبقه بندی ساختمان در کتابخانه Weka
Building Classifier in Weka Library
انجام اعتبارسنجی متقابل مدل
Performing Cross-Validation of the Model
پیش بینی بر اساس طبقه بندی
Making Predictions Based on the Classification
مدل رگرسیون ساختمان برای بازار مسکن
Building Regression Model for Housing Market
استخراج ویژگی بردار برای داده های مسکن
Extracting Feature Vector for Housing Data
انجام عادی سازی داده ها
Performing Normalization of Data
مدل رگرسیون ساختمان
Building Regression Model
مدل رگرسیون اهرمی برای پیش بینی قیمت مسکن
Leveraging Regression Model for Predicting Price of House
ذخیره مدل برای استفاده مجدد بیشتر
Saving Model for Further Re-Usage
یادگیری عمیق برای پیش بینی جنسیت بر اساس نام
Deep Learning for Predicting Gender Based on the Name
تغذیه مدل DL4J با داده های دارای برچسب جنسیت
Feeding DL4J Model with Gender Labeled Data
ایجاد یک فایل java برای استخراج خودکار ویژگی ها
Creating a .java File for Automatic Feature Extraction
ایجاد شبکه عصبی با چند لایه
Creating Neural Network with Multiple Layers
آموزش مدل یادگیری عمیق
Training of Deep Learning Model
انجام اعتبارسنجی یک مدل
Performing Validation of a Model
یافتن شباهت کلمات در کتاب با استفاده از NLP با یادگیری عمیق
Finding Similarity of Words in a Book Using NLP with Deep Learning
استخراج ویژگی بردار از داده های متنی
Extracting Feature Vector from Text Data
بارگیری داده های خام که ورودی برای آموزش NLP خواهد بود
Loading Raw Data That will be an Input for NLP Training
استفاده از ساختار NLP از DL4J
Leveraging NLP Construct from DL4J
یافتن کلمات بر اساس شباهت
Finding Words Based on the Similarity
نمایش نظرات
Packtpub یک ناشر دیجیتالی کتابها و منابع آموزشی در زمینه فناوری اطلاعات و توسعه نرمافزار است. این شرکت از سال 2004 فعالیت خود را آغاز کرده و به تولید و انتشار کتابها، ویدیوها و دورههای آموزشی میپردازد که به توسعهدهندگان و متخصصان فناوری اطلاعات کمک میکند تا مهارتهای خود را ارتقا دهند. منابع آموزشی Packtpub موضوعات متنوعی از جمله برنامهنویسی، توسعه وب، دادهکاوی، امنیت سایبری و هوش مصنوعی را پوشش میدهد. محتوای این منابع به صورت کاربردی و بهروز ارائه میشود تا کاربران بتوانند دانش و تواناییهای لازم برای موفقیت در پروژههای عملی و حرفهای خود را کسب کنند.
توماس للک یک مهندس نرم افزار است که بیشتر در جاوا و اسکالا برنامه نویسی می کند. او از طرفداران معماری میکروسرویس و برنامه نویسی کاربردی است. او هر روز زمان و تلاش قابل توجهی را برای بهتر شدن اختصاص می دهد. او اخیراً به فناوریهای کلان داده مانند Apache Spark و Hadoop پرداخته است. او تقریباً به همه چیزهایی که با توسعه نرم افزار مرتبط است علاقه دارد.
توماس فکر می کند که همیشه باید سعی کنیم قبل از حل یک مشکل راه حل ها و رویکردهای مختلف را در نظر بگیریم. او اخیراً در چندین کنفرانس در لهستان - Confitura و JDD (روز توسعهدهنده جاوا) و همچنین در گروه کاربری Krakow Scala سخنران بود. میتوانید ویدیوی JDD را در اینجا پیدا کنید: https://www.youtube.com/watch?v=BnORjQbnZNQ&t - بحث ML Spark.
او همچنین یک جلسه برنامه نویسی زنده در کنفرانس Geecon برگزار کرد. او در حال حاضر روی این وب سایت با استفاده از ML کار می کند: http://www.allegro.pl
نمایش نظرات