عنوان فارسی
یادگیری ماشینی مبتنی بر نمودار
عنوان اصلی
Graph-Powered Machine Learning
ویرایش
1
ناشر
Manning Publications
نویسنده
Alessandro Nego
ISBN
1617295647 9781617295645
سال نشر
2021
زبان
English
تعداد صفحات
493
فرمت کتاب
pdf – قابل تبدیل به سایر فرمت ها
حجم فایل
22.1 مگابایت
آنتونی رابینز میگه : من در 40 سالگی به جایی رسیدم که برای رسیدن بهش 82 سال زمان لازمه و این رو مدیون کتاب خواندن زیاد هستم.
فارسی:
کتاب «یادگیری ماشین مبتنی بر گراف» (Graph-Powered Machine Learning) منبعی تخصصی و در عین حال کاربردی برای آشنایی با شیوه‌های نوین یادگیری ماشین با تکیه بر ساختارهای گرافی است. این کتاب برای داده‌کاوان، مهندسان یادگیری ماشین، پژوهشگران و توسعه‌دهندگانی که به دنبال استفاده از قدرت ارتباطات و ساختارهای شبکه‌ای در داده‌ها هستند، نوشته شده است.
نویسنده با زبانی روشن به معرفی مفاهیم کلیدی گراف‌ها در یادگیری ماشین می‌پردازد، از جمله گراف دیتابیس‌ها، گراف‌نئورال‌نت‌ورک‌ها (GNN)، گراف الگوریتم‌ها و تحلیل ارتباطات پیچیده. کتاب همچنین شامل مثال‌های واقعی در حوزه‌های مختلف مانند شبکه‌های اجتماعی، تشخیص تقلب، توصیه‌گرها و تحلیل مسیرهاست.
یکی از ویژگی‌های مهم این اثر، ترکیب تئوری و عمل با تمرین‌های برنامه‌نویسی و پیاده‌سازی در محیط‌های مدرن مانند Python و Neo4j است. کتابی ارزشمند برای کسانی که به دنبال ورود به دنیای داده‌های ارتباطی و تقویت درک ساختاری در یادگیری ماشین هستند.
English:
Graph-Powered Machine Learning is a comprehensive and practical guide to understanding how graph structures can enhance modern machine learning applications. Designed for data scientists ML engineers and researchers the book explores how leveraging connections and relationships in data unlocks powerful insights that traditional models may miss.
The author introduces foundational concepts such as graph theory graph databases (e.g. Neo4j) graph neural networks (GNNs) and graph-based algorithms. With hands-on examples and real-world case studies—from fraud detection and recommendation systems to social network analysis and route optimization—the book demonstrates the transformative role of graph-based thinking in AI.
A major strength of this book is its balance between theory and practice providing code examples modeling strategies and performance comparisons. Whether you re new to graphs or looking to implement scalable graph solutions this book equips you with the tools and understanding to apply graph intelligence effectively in your ML workflows.
نقد و بررسی‌ها
هیچ دیدگاهی برای این محصول نوشته نشده است.