- عنوان کتاب: Grokking Machine Learning, Second Edition
- نویسنده: Luis Serrano
- حوزه: یادگیری ماشین
- سال انتشار: 2026
- تعداد صفحه: 567
- زبان اصلی: انگلیسی
- نوع فایل: pdf
- حجم فایل: 11.2 مگابایت
این کتاب برای هر کسی است که میخواهد یادگیری ماشین (ML) را واقعاً درک کند، نه اینکه فقط با آن به عنوان یک جعبه سیاه رفتار کند یا مثالها را کورکورانه تکرار کند. اگر در مورد یادگیری ماشین کنجکاو بودهاید اما احساس کردهاید که ریاضیات آن ترسناک به نظر میرسد یا توضیحات آن بیش از حد انتزاعی است، به جای درستی آمدهاید. ما از مقداری ریاضیات استفاده خواهیم کرد، اما نه با تشریفات زیاد. ایدههای اصلی با شهود، تصاویر و داستانها توضیح داده شدهاند، در حالی که جزئیات رسمیتر در پیوستهایی وجود دارند که میتوانید در صورت تمایل و در صورت تمایل به آنها مراجعه کنید. نیازی نیست صفحات زیادی فرمول بنویسید یا یک مهندس باتجربه باشید تا بتوانید آن را دنبال کنید. اگر میتوانید جبر پایه را مدیریت کنید و مایل به فکر کردن به مثالها باشید، مشکلی نخواهید داشت. تجربه قبلی کدنویسی کمک میکند، اما حتی برنامهنویسان بسیار مبتدی نیز میتوانند مطالب را مطالعه کنند. این کد از کتابخانههای محبوبی مانند pandas، scikit-learn و TensorFlow/Keras استفاده میکند و هر الگوریتم گام به گام ساخته شده است تا بتوانید نحوه عملکرد آن را از درون ببینید. اولین نسخه از Grokking Machine Learning بر مبانی یادگیری نظارت شده متمرکز بود. این مدلها شامل مدلهایی مانند رگرسیون خطی، درختهای تصمیمگیری و شبکههای عصبی هستند و شما یاد میگیرید که چگونه آنها را ارزیابی، آزمایش و تنظیم کنید. در این ویرایش دوم، ما تمام مطالب اصلی را حفظ میکنیم و مقدمهای ملایم و شهودی از یادگیری ماشین مولد، از جمله مدلهای زبانی بزرگ و مولدهای تصویر مانند انتشار پایدار، اضافه میکنیم. هدف من این است که شما نه تنها این مدلها را اجرا کنید، بلکه درکی از آنچه که آنها در زیر کاپوت انجام میدهند و نحوهی چارچوببندی مسائل دنیای واقعی به عنوان مسائل یادگیری ماشینی، ایجاد کنید. مسیر خود من در این زمینه با یک احساس تکرارشونده هدایت شد. من عاشق ریاضی و برنامهنویسی بودم، اما بیشتر توضیحاتی که پیدا کردم، یادگیری ماشینی را مانند یک جامعهی محصور، پر از فرمولهای متراکم، اصطلاحات انتزاعی و صفحات کد بدون داستان، نشان میداد. من همیشه آرزو داشتم مثالهای بیشتر، نمودارهای بیشتر، سناریوهای واقعیتر و روایتهای بیشتری داشته باشم. این کتاب تلاش من برای ارائه دقیقاً همین است. در طول کتاب، ما به موقعیتهای روزمره، تصاویر ذهنی و داستانهایی که میتوانید به خاطر بسپارید، تکیه میکنیم تا ایدهها به جای مرموز بودن، ماندگار و طبیعی به نظر برسند.
This book is for anyone who wants to really understand machine learning (ML), not just treat it as a black box or reproduce examples blindly. If you have been curious about ML but felt that the math looked intimidating or the explanations too abstract, you are in the right place. We will use some math, but not heavy formality. The core ideas are explained with intuition, pictures, and stories, while the more formal details live in appendices you can visit when and if you want to. You do not need to write pages and pages of formulas or be a seasoned engineer to follow along. If you can handle basic algebra and are willing to think through examples, you will be fine. Prior coding experience helps, but even very basic programmers can work through the material. The code uses popular libraries like pandas, scikit-learn, and TensorFlow/Keras, and each algorithm is built up step by step so you can see how it works from the inside. The first edition of Grokking Machine Learning focused on the foundations of supervised learning. These include models like linear regression, decision trees, and neural networks, and you learn how to evaluate, test, and fine tune them. In this second edition, we keep all that core material and add a gentle, intuitive introduction to generative machine learning, including large language models and image generators like Stable Diffusion. My goal is for you to not only run these models, but to develop a sense for what they are doing under the hood and how to frame real world problems as ML problems. My own path into this field was guided by a recurring feeling. I loved math and programming, but most explanations I found made ML feel like a gated community, full of dense formulas, abstract jargon, and pages of code with no story. I always wished for more examples, more diagrams, more real-life scenarios, and more narrative. This book is my attempt to offer exactly that. Throughout, we lean on everyday situations, mental pictures, and stories you can remember, so the ideas stick and feel natural instead of mysterious.
این کتاب را میتوانید از لینک زیر بصورت رایگان دانلود کنید:
Download: Grokking Machine Learning
نظرات کاربران