پایتون برای یادگیری ماشین در دنیای واقعی

کتاب آموزشی پایتون برای یادگیری ماشین در دنیای واقعی نحوه پیاده سازی الگوریتم های بسیار کاربردی یادگیری ماشین را به زبان برنامه نویسی پایتون شامل مباحث و کدهای الگوریتم‌های زیر را آموزش می‌دهد.

1. Constructing a Classifier
2. Predictive Modeling
3. Clustering with Unsupervised Learning
4. Building Recommendation Engines
5. Analyzing Text Data
6. Speech Recognition
7. Dissecting Time Series and Sequential Data
8. Image Content Analysis
9. Biometric Face Recognition
10. Deep Neural Networks
11. Visualizing Data
12. Unsupervised Machine Learning
13. Deep Belief Networks
14. Stacked Denoising Autoencoders
15. Convolutional Neural Networks
16. Semi-Supervised Learning
17. Text Feature Engineering
18. Ensemble Methods
19. Additional Python Machine Learning Tools
20. First Steps to Scalability
21. Scalable Learning in Scikit-learn
22. Fast SVM Implementations
23. Neural Networks and Deep Learning
24. Deep Learning with TensorFlow
25. Classification and Regression Trees at Scale
26. Unsupervised Learning at Scale
27. Distributed Environments – Hadoop and Spark
28. Practical Machine Learning with Spark