Carte de bucate Python Machine Learning: 100 de rețete care vă învață cum să efectuați diverse sarcini de machine learning în lumea reală

Recenzii ale cititorilor

Cartea este un ghid practic pentru învățarea automată, potrivit atât pentru începători, cât și pentru cei cu o anumită experiență. Deși oferă explicații clare și un accent puternic pe algoritmii aplicabili, unii cititori consideră că anumite conținuturi sunt tratate prea pe scurt.

Claritate excelentă și accent practic pentru implementarea algoritmilor de învățare automată.

Relevantă și actualizată cu aplicații contemporane.

(pe baza a 5 recenzii ale cititorilor)

Titlul original:

Python Machine Learning Cookbook: 100 recipes that teach you how to perform various machine learning tasks in the real world

Conținutul cărții:

100 de rețete care vă învață cum să efectuați diverse sarcini de învățare automată în lumea reală

Caracteristici principale

⬤ Înțelegeți ce algoritmi să utilizați într-un anumit context cu ajutorul acestui ghid captivant bazat pe rețete.

⬤ Învățați despre perceptroni și vedeți cum sunt utilizați pentru a construi rețele neuronale.

⬤ Stuck în timp ce dați sens imaginilor, textului, vorbirii și proprietăților imobiliare? Acest ghid vă va veni în ajutor, arătându-vă cum să efectuați machine learning pentru fiecare dintre acestea folosind diverse tehnici.

Descrierea cărții

Învățarea automată devine din ce în ce mai răspândită în lumea modernă bazată pe date. Ea este utilizată pe scară largă în multe domenii, cum ar fi motoarele de căutare, robotica, mașinile care se conduc singure și multe altele.

Cu această carte, veți învăța cum să efectuați diverse sarcini de învățare automată în medii diferite. Vom începe prin a explora o serie de scenarii din viața reală în care poate fi utilizată învățarea automată și vom analiza diverse elemente de bază. Pe parcursul cărții, veți utiliza o mare varietate de algoritmi de învățare automată pentru a rezolva probleme din lumea reală și veți utiliza Python pentru a implementa acești algoritmi.

Veți descoperi cum să tratați diferite tipuri de date și veți explora diferențele dintre paradigmele de învățare automată, cum ar fi învățarea supravegheată și nesupravegheată. De asemenea, vom acoperi o serie de tehnici de regresie, algoritmi de clasificare, modelare predictivă, tehnici de vizualizare a datelor, motoare de recomandare și multe altele cu ajutorul unor exemple din lumea reală.

Ce veți învăța

⬤ Explorați algoritmii de clasificare și aplicați-i la problema estimării tranșelor de venit.

⬤ Utilizați modelarea predictivă și aplicați-o la probleme din lumea reală.

⬤ Înțelegeți cum să realizați segmentarea pieței utilizând învățarea nesupravegheată.

⬤ Explorați tehnici de vizualizare a datelor pentru a interacționa cu datele dvs. în diverse moduri.

⬤ Aflați cum să construiți un motor de recomandare.

⬤ Înțelegeți cum să interacționați cu datele text și să construiți modele pentru a le analiza.

⬤ Lucrați cu datele vocale și recunoașteți cuvintele vorbite utilizând modele Markov ascunse.

⬤ Analizați datele de pe piața bursieră utilizând câmpuri aleatorii condiționate.

⬤ lucrați cu date referitoare la imagini și construiți sisteme pentru recunoașterea imaginilor și recunoașterea biometrică a fețelor.

⬤ Înțelegerea modului de utilizare a rețelelor neuronale profunde pentru a construi un sistem de recunoaștere optică a caracterelor.