خوانش گروهی کتاب فنولوژی
کتاب یادگیری ماشین
جلسات آنلاین خوانش کتاب Hands on Machine Learning برگزار شده توسط فنولوژی



کتاب یادگیری ماشین یا Hands on Machine Learning، نوشتهی Aurélien Géron، قصد دارد یادگیری ماشین را به کمک فریمورکهای قدرتمند پایتون در هوش مصنوعی، به مخاطبان مبتدی آموزش دهد.
اگر به یادگیری ماشین علاقه دارید و قصد دارید آن را بیاموزید، و یا این که با آن آشنایی دارید و میخواهید مفاهیم آن را به شکل عمیقتری یاد بگیرید، این کتاب مسیر بسیار مناسبی برای شماست.
کتاب یادگیری ماشین Hands on Machine Learning، فرض را بر این قرار میدهد که شما هیچ چیز از یادگیری ماشین نمیدانید و مفاهیم و ابزارهای آن را به طور کامل برای شما شرح میدهد.
در این کتاب، بسیاری از تکنیکهای یادگیری ماشین، از سادهترین آنها یعنی رگرسیون خطی (Linear Regression) تا تکنیکهای پیچیدهتر یادگیری عمیق را خواهید آموخت.
همانطور که گفته شد، در این کتاب، بجای نوشتن همهی الگوریتمهای یادگیری ماشین از صفر، از فریم ورکهای موجود در پایتون استفاده میکنیم. فریمورکها و کتابخانههایی که در این کتاب استفاده خواهند شد، Scikit-Learn، TensorFlow و Keras هستند.
این کتاب فرض میکند که شما تا حدودی تجربهی برنامه نویسی پایتون و کار با کتابخانههای نامپای، Pandas و Matplotlib را دارید. برای یادگیری پایتون و کتابخانهی نامپای میتوانید دورههای آموزش پایتون مقدماتی و آموزش کتابخانه نامپای را از فنولوژی مطالعه کنید.
همچنین اگر به ریاضیات یادگیری ماشین اهمیت میدهید و قصد دارید یادگیری ماشین را به صورت عمیقتر مطالعه کنید، داشتن درکی از دروس دانشگاهی ریاضیات، جبر خطی و آمار و احتمالات به شما کمک خواهد کرد.
برای دانلود کتاب یادگیری ماشین Hands on Machine Learning، فرم زیر را پر کنید:
قبل از شروع کتاب، لازم است با کتابخانه های یادگیری ماشین در پایتون آشنایی داشته باشید. در جلسهی صفرم خوانش کتاب یادگیری ماشین، کتابخانههای numpy و pandas و matplotlib پایتون را آموزش دادهایم.
یادگیری ماشین چیست؟ چرا از یادگیری ماشین استفاده میکنیم؟ در جلسهی اول خوانش کتاب یادگیری ماشین Hands on ML، با مقدمات و مفاهیم اولیهی یادگیری ماشین آشنا میشویم.
در این جلسه، با انواع یادگیری ماشین آشنا میشویم و سپس چالشهایی که در یادگیری ماشین به آنها برخواهیم خورد را بررسی میکنیم.
در جلسهی سوم خوانش کتاب، آنچه را که تا کنون در مورد یادگیری ماشین آموختهایم مرور میکنیم.
در این جلسه از خوانش کتاب یادگیری ماشین Hands on ML، فصل دوم کتاب را شروع میکنیم و با مراحل ارزیابی یک پروژهی یادگیری ماشین آشنا میشویم.
در جلسهی پنجم، بخش Get The Data از فصل دوم کتاب را بررسی میکنیم. در این جلسه، با محیط Jupyter Notebook آشنا میشویم و نحوهی کار با دادهها را میآموزیم.
در جلسهی ششم خوانش کتاب یادگیری ماشین Hands-On ML، ما یاد میگیریم که دادهها را مصور کنیم و بینشی از آنها به دست بیاریم. چندین مدل وابستگی را خواهیم دید و ترکیب مختلف Attributeها را بررسی خواهیم کرد. همچنین دادهها را تمیز میکنیم و آنها را برای الگوریتمهای یادگیری ماشین آماده میکنیم.
در این جلسه از خوانش کتاب یادگیری ماشین Hands-On ML، ابتدا نگاهی به معماری Scikit-Learn میاندازیم. بعد از آن one hot encoder را بررسی میکنیم و یک Transformer سفارشی ایجاد میکنیم. همچنین نگاهی به Feature Scaling میاندازیم و در انتها Transformation Pipeline را توضیح میدیم.
در ادامهی آمادهسازی دادهها، مدلهایی را انتخاب میکنیم، بر روی دادهها اعمال میکنیم و نتایج به دست آمده را بررسی میکنیم. با cross-validation کار میکنیم، بعد از آن هایپرپارامترهای بهینه برای مدل انتخابی را بررسی میکنیم. به Grid Search و دوستانش نگاهی میکنم، سپس مدل را بر روی test-set ارزیابی میکنیم. در آخر در مورد launch و monitor کردن مدل به طور مفصل بحث خواهیم کرد.
در این جلسه به مرور و حل تمارین فصل دوم کتاب Hands on Machine Learning میپردازیم.
در این جلسه فصل سوم کتاب را شروع میکنیم! در مورد دیتاست MNIST حرف میزنیم، آن را train میکنیم و روشهایی را جهت اعتبارسنجی آن امتحان میکنم.
جذابترین مطالب سایت را ماهانه دریافت کنید!