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.

آموزش پروژه های یادگیری ماشین با جاوا [ویدئو]
جزییات دوره
2 h 12 m
24
Packtpub Packtpub
(آخرین آپدیت)
1
5 از 5
ندارد
دارد
دارد
Tomasz Lelek
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Tomasz Lelek Tomasz Lelek

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