Hands-On Machine Learning with Scikit-Learn and Scientific Python Toolkits

دليل عملي لتطبيق خوارزميات تعلم الآلة الموجهة وغير الموجهة في بايثون

لو مرتاح مع بايثون وعايز مسار عملي لتعلم الآلة، الكتاب ده دليل ودود ومبني على الأمثلة. بيركز على scikit-learn مع تقديم النظام البيئي الداعم (NumPy و pandas و SpaCy و imbalanced-learn، وأكتر).

"الكتاب هو القراءة المثالية لأي حد عايز ينتقل لتعلم الآلة. بيغطي بشكل واسع كل الخوارزميات الأساسية بمنظور ممارس ثاقب."

احصل على الكتاب من هنا: books2read.com/u/m2ZW8d

ليه القراء بينصحوا بيه

• شروحات واضحة وصديقة للمبتدئين من غير تخطي الصورة الكبيرة
• تغطية عملية للخوارزميات الأساسية مع مجموعات بيانات حقيقية
• توجيه مفيد عن تحضير البيانات، والتقييم، والأخطاء الشائعة

مراجعات الكتاب

هنا بعض الأمثلة من المراجعات.

من Goodreads:

علي فيضان قيّمه: 5 من 5 نجوم.

"لمبتدئ في تعلم الآلة زيي، كان مبهج إني أشوف إن الكتاب مغطسش مباشرة في تفاصيل خوارزميات تعلم الآلة الدقيقة: الأول أسس السبب الأساسي لتعلم الآلة والتقط بشكل متماسك كل نطاق تطوير نموذج تعلم الآلة. ده ساعدني كتير أفهم الصورة الكبيرة بعدين في الكتاب حيث وضح الاستخدام العملي لخوارزميات تعلم الآلة المختلفة. هنصح بالكتاب بسعادة لأي حد مهتم بـ scikit-learn، وتعلم الآلة بشكل عام كمان."

بول شميدت قيّمه: 5 من 5 نجوم.

"الكتاب ده غني بالمعلومات مع أمثلة عملية. أنا اللي مقريتش ولا لمست المجال ده كنت مندهش أتعلم الوزن اللي تحليل البيانات كان ليه على تعلم الآلة. أيوه، الكتاب ده بيعلمك كمان عن تحليل البيانات. خلال الفصول بتتعلم إيه اللي متعملوش لما تبني نماذج تعلم الآلة وتعلم عميق. المؤلف بيعلمك إيه متعملوش بتحليل البيانات المتاحة وتحسين النماذج بناءً على المعرفة دي. الكتاب غني جداً بالمعلومات ويقدر يتقرا تاني بسهولة من فصل لفصل. فيه حاجات لازم تاخد بالك منها، الكتاب ده مش لمبتدئين بايثون وبنصحك تعرف بعض الأساسيات من وحدات pandas و matplotlib. بمعنى تاني الكتاب ده منصوح بيه بشدة."

من Amazon:

بزيميسلاف تشويكي قيّمه: 5 من 5 نجوم.

"لو عملت فعلاً كام مشروع علم بيانات، وعندك فهم أساسي لبايثون، عملت بعض التصور وعايز تروح أعمق في بعض تفاصيل معنى تحليل البيانات، الكتاب ده ليك. ده دليل عملي للتعلم الموجه وغير الموجه مع أمثلة كتيرة في الكود. التركيز الأساسي على البيانات غير المثالية وإزاي تفهم العيوب دي من خلال خوارزميات تعلم آلة مختلفة. المؤلف بيناقش خوارزميات علم بيانات قياسية باستخدام مكتبة scikit-learn اللي بتدي نظرة شاملة متماسكة عن الموضوع. هتتعلم أشجار القرار، وتصنيف KNN، وNaive Bayes وكتير؛ مطبقة على مجموعات بيانات كلاسيكية زي مجموعة بيانات Iris، وأسعار منازل بوسطن أو Fashion-MNIST. منصوح بيه لعلماء البيانات المبتدئين!"

آدم باول قيّمه: 5 من 5 نجوم.

"القراءة المثالية لمحلل عايز ينتقل لتعلم الآلة. بيغطي بشكل واسع كل الخوارزميات الأساسية بمنظور ممارس ثاقب. منصوح بيه بشدة!"

من يوتيوب:

DigitalSreeni: مراجعة كتاب - Machine Learning with scikit-learn and scientific python toolkits

Dimitri Bianco: Hands-On Machine Learning with scikit-learn and Scientific Python Toolkit

محتوى الكتاب

الكتاب فيه 13 فصل ومكتوب لممارسي ML اللي عايزين مسار واضح وعملي. هتبني الحدس، تتعلم سير العمل من البداية للنهاية، وتطلع بأنماط كود تقدر تستخدمها تاني في مشاريع حقيقية.

هتغطي:

• أساسيات ML الأساسية وسير العمل الكامل لبناء النموذج
• تحضير البيانات، وهندسة الخصائص، والتقييم اللي تقدر تثق فيه
• التعلم الموجه (الأشجار، النماذج الخطية، KNN، Naive Bayes)
• أمثلة معالجة اللغة الطبيعية وتصنيف الصور لتجسيد الأفكار
• الشبكات العصبية، والمجموعات، وإزاي تختار بينهم
• التعلم غير المتوازن، والمعايرة، وأساسيات العدالة
• التعلم غير الموجه، واكتشاف الشذوذ، وأنظمة التوصية

احصل على Hands-On Machine Learning دلوقتي

"Hands-On Machine Learning with Scikit-Learn" بشكل عام محترم في مجتمع تعلم الآلة. معروف بنهجه العملي، بيوفر للقراء أمثلة وتمارين عملية باستخدام مكتبة Scikit-Learn.

الكتاب بيغطي المفاهيم والتقنيات الأساسية في تعلم الآلة، بيخليه مناسب للمبتدئين والمتعلمين المتوسطين. ممدوح في الغالب لشروحاته الواضحة وأمثلة الكود اللي بتساعد القراء يفهموا ويطبقوا خوارزميات تعلم الآلة بفعالية.

ابدأ رحلة تعلم الآلة بتاعتك بزيارة الرابط ده*

_{^{الروابط لأمازون هي روابط تابعة.}}

طارق عمرو