Yapay zekânın bir alt alanı olarak ifade edilen makine öğrenmesi mühendislik, finans ve biyoinformatik'in başı çektiği birçok alanda yaygın olarak kullanılmaktadır. Makine öğrenmesi uygulamaları geliştirmek için temelinde kalkülüs, doğrusal cebir ve istatistik barındıran bazı algoritmaların teorik olarak kavranması önemlidir. Bu algoritmaların teorik yönleri öğrenildikten sonra Python gibi kolay ve zengin kütüphane yapısına sahip bir programlama dili ile kodlanarak uygulama geliştirilebilir. Kitaptaki makine öğrenmesi algoritmalarının teorik yönleri titizlikle irdelenmiş, gerek duyulan doğrusal cebir ve istatistik konuları da özet olarak incelenmiştir. Özgün veri setleri içeren problemler kullanılarak her algoritma için Python uygulamaları geliştirilmiştir. Makine öğrenmesinin bir alt alanı olan Derin Öğrenme ile uygulama geliştirmek isteyen kişilerin de özellikle bu kitaptaki temel bilgileri öğrenmesi önemli bir alt yapı oluşturmalarını sağlayacaktır. Bu kitabı okuduktan sonra derin öğrenme mimarilerinin anlaşılması daha kolay olacaktır.
Bu kitap kimler içindir?
• Makine Öğrenmesi uygulaması geliştirmeye başlamak isteyen ancak nereden başlaması gerektiğini tam olarak bilmeyenler
• Hâlihazırda Makine öğrenmesi uygulamaları geliştirenler
• Fen, Mühendislik ve Sosyal Bilimler alanlarında Makine Öğrenmesi içeren tezler hazırlayanlar ve bilimsel çalışmalar yapanlar
Python ve Gerekli KurulumlarNumPy, Pandas ve Matplotlib Kütüphanelerinin KullanımıÖğrenme TürleriMakine Öğrenmesinde Uygulama Geliştirme SüreçleriPython ile Veri Ön İşleme SüreciDoğrusal RegresyonPolinom RegresyonÇoklu Doğrusal RegresyonK-En Yakın Komşu AlgoritmasıNaive Bayes AlgoritmasıLojistik RegresyonYapay Sinir AğlarıDestek Vektör Makinaları
(Tanıtım Bülteninden)
Internet Explorer tarayıcısının 9.0 ve daha eski sürümlerini desteklememekteyiz. Web sitemizi doğru görüntüleyebilmek için tarayıcınızı güncelleyebilirsiniz, güncelleyemiyorsanız başka bir tarayıcıyı ücretsiz yükleyebilirsiniz.