فهرست مطالب
یادگیری ماشین به‌طور گسترده در بسیاری از صنایع مانند علوم،
بهداشت و درمان و پژوهش مورد استفاده قرار می‌گیرد و محبوبیت آن در حال افزایش است.
در مارس 2018، مایکروسافت ML.NET را برای کمک به علاقه‌مندان به NET. در کار با یادگیری ماشین معرفی کرد. با استفاده از این کتاب، نحوه
ساخت برنامه‌های کاربردی ML.NET را با مدل‌های مختلف یادگیری ماشین موجود با استفاده
از کد #C بررسی خواهید کرد.
این کتاب با ارائه یک نمای کلی از یادگیری ماشین و انواع الگوریتم‌های
یادگیری ماشین مورد استفاده، همراه با بیان چیستی ML.NET و
اینکه چرا برای ساخت برنامه‌های کاربردی یادگیری ماشین به آن نیاز دارید، شروع می‌شود.
سپس چارچوب ML.NET، اجزای آن و APIها را بررسی خواهید کرد. این کتاب به‌عنوان راهنمای
عملی برای کمک به شما در ساخت برنامه‌های کاربردی هوشمند با استفاده از کتابخانه ML.NET عمل می‌کند. شما به‌تدریج در نحوه پیاده‌سازی الگوریتم‌های
یادگیری ماشین مانند رگرسیون، دسته‌بندی و خوشه‌بندی با مثال‌ها و مجموعه داده‌های
دنیای واقعی آشنا خواهید شد. هر فصل پیاده‌سازی عملی را هم شامل می‌شود و نحوه پیاده‌سازی
یادگیری ماشین را در برنامه‌های کاربردی NET. نشان
می‌دهد. همچنین یاد خواهید گرفت که TensorFlow را
در برنامه‌های کاربردی ML.NET یکپارچه
کنید. سپس نحوه ذخیره نتیجه پیش‌بینی قیمت مسکن مدل رگرسیون در پایگاه داده و نمایش
بی‌درنگ نتایج پیش‌بینی‌شده از پایگاه داده در برنامه کاربردی وب با استفاده از ASP.NET Core Blazor و SignalR نشان
داده می‌شود.
در پایان این کتاب، شما یاد گرفته‌اید که چگونه می‌توانید با
اطمینان کارهای اصلی یادگیری ماشین را در سطح مقدماتی تا پیشرفته در ML.NET انجام دهید.
یادگیری ماشین به‌طور گسترده در بسیاری از صنایع مانند علوم،
بهداشت و درمان و پژوهش مورد استفاده قرار می‌گیرد و محبوبیت آن در حال افزایش است.
در مارس 2018، مایکروسافت ML.NET را برای کمک به علاقه‌مندان به NET. در کار با یادگیری ماشین معرفی کرد. با استفاده از این کتاب، نحوه
ساخت برنامه‌های کاربردی ML.NET را با مدل‌های مختلف یادگیری ماشین موجود با استفاده
از کد #C بررسی خواهید کرد.
این کتاب با ارائه یک نمای کلی از یادگیری ماشین و انواع الگوریتم‌های
یادگیری ماشین مورد استفاده، همراه با بیان چیستی ML.NET و
اینکه چرا برای ساخت برنامه‌های کاربردی یادگیری ماشین به آن نیاز دارید، شروع می‌شود.
سپس چارچوب ML.NET، اجزای آن و APIها را بررسی خواهید کرد. این کتاب به‌عنوان راهنمای
عملی برای کمک به شما در ساخت برنامه‌های کاربردی هوشمند با استفاده از کتابخانه ML.NET عمل می‌کند. شما به‌تدریج در نحوه پیاده‌سازی الگوریتم‌های
یادگیری ماشین مانند رگرسیون، دسته‌بندی و خوشه‌بندی با مثال‌ها و مجموعه داده‌های
دنیای واقعی آشنا خواهید شد. هر فصل پیاده‌سازی عملی را هم شامل می‌شود و نحوه پیاده‌سازی
یادگیری ماشین را در برنامه‌های کاربردی NET. نشان
می‌دهد. همچنین یاد خواهید گرفت که TensorFlow را
در برنامه‌های کاربردی ML.NET یکپارچه
کنید. سپس نحوه ذخیره نتیجه پیش‌بینی قیمت مسکن مدل رگرسیون در پایگاه داده و نمایش
بی‌درنگ نتایج پیش‌بینی‌شده از پایگاه داده در برنامه کاربردی وب با استفاده از ASP.NET Core Blazor و SignalR نشان
داده می‌شود.
در پایان این کتاب، شما یاد گرفته‌اید که چگونه می‌توانید با
اطمینان کارهای اصلی یادگیری ماشین را در سطح مقدماتی تا پیشرفته در ML.NET انجام دهید.
یادگیری ماشین به‌طور گسترده در بسیاری از صنایع مانند علوم،
بهداشت و درمان و پژوهش مورد استفاده قرار می‌گیرد و محبوبیت آن در حال افزایش است.
در مارس 2018، مایکروسافت ML.NET را برای کمک به علاقه‌مندان به NET. در کار با یادگیری ماشین معرفی کرد. با استفاده از این کتاب، نحوه
ساخت برنامه‌های کاربردی ML.NET را با مدل‌های مختلف یادگیری ماشین موجود با استفاده
از کد #C بررسی خواهید کرد.
این کتاب با ارائه یک نمای کلی از یادگیری ماشین و انواع الگوریتم‌های
یادگیری ماشین مورد استفاده، همراه با بیان چیستی ML.NET و
اینکه چرا برای ساخت برنامه‌های کاربردی یادگیری ماشین به آن نیاز دارید، شروع می‌شود.
سپس چارچوب ML.NET، اجزای آن و APIها را بررسی خواهید کرد. این کتاب به‌عنوان راهنمای
عملی برای کمک به شما در ساخت برنامه‌های کاربردی هوشمند با استفاده از کتابخانه ML.NET عمل می‌کند. شما به‌تدریج در نحوه پیاده‌سازی الگوریتم‌های
یادگیری ماشین مانند رگرسیون، دسته‌بندی و خوشه‌بندی با مثال‌ها و مجموعه داده‌های
دنیای واقعی آشنا خواهید شد. هر فصل پیاده‌سازی عملی را هم شامل می‌شود و نحوه پیاده‌سازی
یادگیری ماشین را در برنامه‌های کاربردی NET. نشان
می‌دهد. همچنین یاد خواهید گرفت که TensorFlow را
در برنامه‌های کاربردی ML.NET یکپارچه
کنید. سپس نحوه ذخیره نتیجه پیش‌بینی قیمت مسکن مدل رگرسیون در پایگاه داده و نمایش
بی‌درنگ نتایج پیش‌بینی‌شده از پایگاه داده در برنامه کاربردی وب با استفاده از ASP.NET Core Blazor و SignalR نشان
داده می‌شود.
در پایان این کتاب، شما یاد گرفته‌اید که چگونه می‌توانید با
اطمینان کارهای اصلی یادگیری ماشین را در سطح مقدماتی تا پیشرفته در ML.NET انجام دهید.
