کتاب اصول یادگیری ماشین برای تحلیل داده‌های پیش‌گویانه برایان مک‌نامی نشر انتشارات جهاد دانشگاهی قزوین

این کتاب، رویکردی نظام‌مند برای درک و کاربرد تکنیک‌های یادگیری ماشین در تحلیل‌های پیش‌‌گویانه ارائه می‌دهد. کتاب با روش‌های اساسی کاوش داده آغاز شده و خوانندگان را در طول چرخه کامل تحلیل - از داده خام تا بینش‌های کاربردی و چارچوب‌های تصمیم‌گیری - راهنمایی می‌کند. هسته اصلی کتاب به بررسی پارادایم‌های متمایز یادگیری می‌پردازد که پایه تحلیل پیش‌بینی مدرن را تشکیل می‌دهند: رویکردهای مبتنی بر اطلاعات که مرزهای تصمیم‌گیری را بهینه می‌کنند؛ روش‌های مبتنی بر شباهت که از معیارهای فاصله بهره می‌برند؛ تکنیک‌های مبتنی بر احتمال که عدم قطعیت را کمی می‌کنند؛ الگوریتم‌های مبتنی بر خطا که به طور تکراری پیش‌بینی‌ها را بهبود می‌بخشند؛ و معماری‌های یادگیری عمیق که به طور خودکار نمایش‌های سلسله مراتبی را از داده‌های پیچیده استخراج می‌کنند.

فراتر از پیش‌بینی، کتاب به روش‌های یادگیری بدون نظارت برای کشف الگو و تکنیک‌های یادگیری تقویتی برای تصمیم‌گیری متوالی می‌پردازد. روش‌شناسی‌های دقیق ارزیابی برای اطمینان از سنجش مناسب مدل‌ها پیش از استقرار ارائه شده‌اند. مفاهیم نظری از طریق یک مطالعه موردی دقیق در مورد ریزش مشتری تشریح می‌شوند که نشان می‌دهد چگونه این تکنیک‌ها به چالش‌های کسب و کار در دنیای واقعی می‌پردازند.

ساختار مذکور سبب شده است تا این کتاب هم به عنوان یک مرجع دانشگاهی و هم راهنمای عملی برای دانشجویان، پژوهشگران و متخصصانی که به دنبال بهره‌گیری از قدرت یادگیری ماشین برای تصمیم‌گیری مبتنی بر داده در حوزه‌های مختلف هستند، قابل استفاده باشد.