Jupyter ، به عنوان یک نوت بوک محاسباتی شناخته می شود، یکی از ابزارهای متن باز(open-source) علوم داده است که در سال 2014 از پروژه پایتون متولد شد و از آن زمان به دلیل امکان ترکیب کد نرم افزار، پشتیبانی از محاسبات علمی در همه برنامه ها به شهرت رسید. زبان هایی مانند Python ، Julia ، R و Fortran ، در میان ده ها زبان دیگر (به طور دقیق بیش از 40 زبان).
در دنیای امروز، پایتون (Python) به زبان مورد علاقه دانشمندان داده تبدیل شده است. این دانشمندان ترجیح می‌دهند که از زبان پایتون برای تجزیه و تحلیل، تجسم و یادگیری ماشینی داده‌ها استفاده کنند.
اگر می‌خواهید که از زبان برنامه نویسی پایتون برای بهبود عملیات شناسایی داده‌ها در پروژه‌های علمی خود استفاده کنید، توصیه ما به شما این است که این دوره آموزشی کاربردی را از دست ندهید.
از طریق قرار گرفتن در معرض اخبار و رسانه های اجتماعی ، احتمالاً شما کاملاً با این واقعیت آشنا شده اید که یادگیری ماشین به یکی از مهیج ترین فناوری های عصر ما تبدیل شده است. شرکت های بزرگی مانند گوگل ، فیس بوک ، اپل ، آمازون و IBM به دلایل بسیار زیادی در تحقیقات و برنامه های یادگیری ماشین سرمایه گذاری می کنند.
این موضوع هیجان انگیز راه را برای امکانات و تکنولوژی های جدید
یادگیری ماشین (ML) به طور گسترده ای در بسیاری از صنایع مانند علوم ، بهداشت و تحقیقات مورد استفاده قرار می گیرد و محبوبیت آن در حال افزایش است. در مارس 2018 ، مایکروسافت برای کمک به علاقه مندان به .NET برای کار با یادگیری ماشین ML.NET را معرفی کرد. از طریق این کتاب ، نحوه ساخت برنامه های ML.NET را با مدل های مختلف یادگیری ماشین و با استفاده از کد C # بررسی خواهیم کرد.
یادگیری ماشین شاخه ای از علوم کامپیوتر است که بدون انجام برنامه نویسی صریح، به کامپیوتر توانایی یادگیری می بخشد.
آرتور ساموئل (Arthur Samuel) امریکایی، یکی از پیشروهای حوزه بازی های کامپیوتری و هوش مصنوعی، عبارت “یادگیری ماشین” را در سال 1959 که در IBM کار می کرد، به ثبت رساند. یادگیری ماشین، که از اُلگوشناسی و نظریه یادگیری محاسباتی الهام گرفته شده است، مطالعه و ساخت الگوریتم هایی را که می توانند بر اساس داده ها یادگیری و پیش بینی انجام دهند بررسی می کند – چنین الگوریتم هایی از دستورات برنامه پیروی صرف نمی کنند و از طریق مدلسازی از داده های ورودی نمونه، پیش بینی یا تصمیم گیری می کنند. یادگیری ماشین در کارهای محاسباتی که طراحی
بطور کلی می توان Data Mining یا داده کاوی را کوششی برای کسب اطلاع از داده های ذخیره شده نامید. دانشی که با استناد به ان می توان جامعیت دانش از داده ها را تضمین نماید. داده کاوی امروزه یکی از علوم جدید در رشته هوش مصنوعی و نرم افزار می باشد که کتاب فوق در ۱۰ فصل شما را بطور کامل با مفاهیم داده کاوی اشنا می نماید.
