कृपया लक्षात घ्या की भारतातील अधिकृत विक्रेता पोथी आहे. इतर विक्रेते स्वस्त किमतीत प्रिंटआउट्स/फोटोकॉपी विकत आहेत हे पारंपारिक पुस्तक नाही. पुस्तकात भरपूर कोड आहे. जर तुम्हाला कोड फर्स्ट ऍप्रोच आवडत नसेल तर हे पुस्तक विकत घेऊ नका. Github वर कोड उपलब्ध करून देणे हा पर्याय नाही. हे पुस्तक अशा लोकांसाठी आहे ज्यांना मशिन लर्निंग आणि डीप लर्निंगचे काही सैद्धांतिक ज्ञान आहे आणि ज्यांना अप्लायड मशीन लर्निंगमध्ये उतरायचे आहे. पुस्तक अल्गोरिदमचे स्पष्टीकरण देत नाही परंतु मशीन लर्निंग आणि डीप लर्निंग समस्यांचे निराकरण करण्यासाठी आपण कसे आणि काय वापरावे याकडे अधिक केंद्रित आहे. जर तुम्ही शुद्ध मूलभूत गोष्टी शोधत असाल तर पुस्तक तुमच्यासाठी नाही. तुम्ही मशीन लर्निंग समस्यांबाबत मार्गदर्शन शोधत असाल तर हे पुस्तक तुमच्यासाठी आहे. एक कप कॉफी आणि लॅपटॉप/वर्कस्टेशनसह या पुस्तकाचा आनंद लुटता येतो जिथे तुम्ही कोड करू शकता. सामग्री सारणी: - तुमचे कामकाजाचे वातावरण सेट करणे- पर्यवेक्षित विरुद्ध पर्यवेक्षित शिक्षण- क्रॉस-व्हॅलिडेशन- मूल्यांकन मेट्रिक्स- मशीन लर्निंग प्रकल्पांची मांडणी- वर्गीय व्हेरिएबल्सकडे जाणे- वैशिष्ट्य अभियांत्रिकी- वैशिष्ट्य निवड- हायपरपॅरामीटर ऑप्टिमायझेशन- जवळ येणे प्रतिमा वर्गीकरण आणि वर्गीकरण मजकूर वर्गीकरण- अॅप्रोचिंग /रिग्रेशन- ऍप्रोचिंग एन्सेम्बलिंग आणि स्टॅकिंग- पुनरुत्पादक कोड आणि मॉडेल सर्व्हिंगकडे जाणे येथे कोणतेही उप-शीर्षक नाहीत. महत्त्वाच्या संज्ञा ठळक अक्षरात लिहिल्या आहेत. मी पुस्तकाशी संबंधित तुमच्या सर्व प्रश्नांची उत्तरे देईन आणि पुस्तकात ज्या गोष्टींची चर्चा झाली नाही ते कव्हर करण्यासाठी मी YouTube ट्यूटोरियल बनवीन. प्रश्न/शंका विचारण्यासाठी, कृपया गिथब रेपोवर एक समस्या तयार करा: https:// आणि माझ्या YouTube चॅनेलची सदस्यता घ्या: https://