Recenzii ale cititorilor
Rezumat:Cartea recenzată, „Feature Engineering Bookcamp”, este foarte apreciată pentru abordarea sa practică a ingineriei caracteristicilor, oferind studii de caz reale și îndrumări accesibile, ideale atât pentru începători, cât și pentru practicienii ML experimentați. Deși este considerată o resursă esențială pentru înțelegerea ingineriei caracteristicilor, unii recenzenți au remarcat domenii care necesită îmbunătățiri, în special în ceea ce privește eficiența și metodologiile de testare.
Avantaje:⬤ Studii de caz excelente în diverse domenii.
⬤ Accent practic pe implementare mai degrabă decât pe teorie.
⬤ Limbaj clar și concis.
⬤ Referință oportună pentru învățarea automată centrată pe date.
⬤ Acoperire cuprinzătoare a conceptelor de inginerie a caracteristicilor.
⬤ Discuții aprofundate despre detectarea și atenuarea prejudecăților.
⬤ Introducere în depozitele de caracteristici pentru ML.
⬤ Include cod suplimentar pe GitHub.
⬤ Acces la LiveBook cu copie fizică.
Dezavantaje:⬤ Ar putea beneficia de o mai bună structurare a capitolelor pentru eficiență în testarea mai multor conducte de inginerie a caracteristicilor.
⬤ Lipsă de explorare a cadrelor auto-ML pentru implementarea tehnicilor.
⬤ Unii recenzenți și-au dorit să fi avut acces la această carte mai devreme în cariera lor.
(pe baza a 5 recenzii ale cititorilor)
Conținutul cărții:
Aduceți îmbunătățiri uriașe conductelor dvs. de învățare automată fără a petrece ore întregi cu reglarea fină a parametrilor! Studiile de caz practice din această carte dezvăluie tehnici de inginerie a caracteristicilor care vă îmbunătățesc analiza datelor - și rezultatele ML.
În Feature Engineering Bookcamp veți învăța cum să:
Identificați și implementați transformări de caracteristici pentru datele dvs.
Construiți conducte puternice de învățare automată cu date nestructurate, cum ar fi text și imagini.
Să cuantificați și să minimizați părtinirea în conductele de învățare automată la nivelul datelor.
Utilizați depozitele de caracteristici pentru a construi conducte de inginerie a caracteristicilor în timp real.
Îmbunătățirea conductelor de învățare automată existente prin manipularea datelor de intrare.
Utilizarea modelelor de învățare profundă de ultimă generație pentru a extrage modele ascunse în date.
Feature Engineering Bookcamp vă ghidează printr-o colecție de proiecte care vă oferă practică cu principalele tehnici de inginerie a caracteristicilor. Veți lucra cu practici de inginerie a caracteristicilor care accelerează timpul de procesare a datelor și oferă îmbunătățiri reale ale performanței modelului dumneavoastră. Această carte utilă instantaneu trece peste teoria matematică abstractă și formulele detaliate minuțios; în schimb, veți învăța prin studii de caz interesante bazate pe cod, inclusiv clasificarea tweet-urilor, detectarea COVID, predicția recidivismului, detectarea mișcării prețurilor acțiunilor și multe altele.
Achiziționarea cărții tipărite include o carte electronică gratuită în format PDF, Kindle și ePub de la Manning Publications.
Despre tehnologie.
Obțineți rezultate mai bune din conductele de învățare automată prin îmbunătățirea datelor de instruire! Utilizați ingineria caracteristicilor, o tehnică de învățare automată pentru proiectarea variabilelor de intrare relevante pe baza datelor existente, pentru a simplifica instruirea și a îmbunătăți performanța modelului. În timp ce reglarea fină a hiperparametrilor sau ajustarea modelelor vă poate oferi o creștere minoră a performanței, ingineria caracteristicilor oferă îmbunătățiri dramatice prin transformarea conductei de date.
Despre carte.
Feature Engineering Bookcamp vă conduce prin șase proiecte practice în care veți învăța să vă îmbunătățiți datele de instruire utilizând ingineria caracteristicilor. Fiecare capitol explorează un nou studiu de caz bazat pe cod, preluat din industrii reale precum finanțe și sănătate. Veți exersa curățarea și transformarea datelor, atenuarea prejudecăților și multe altele. Cartea este plină de sfaturi de îmbunătățire a performanței pentru toate subdomeniile ML majore - de la procesarea limbajului natural la analiza seriilor de timp.
Ce conține.
Identificați și implementați transformări de caracteristici.
Construiți conducte de învățare automată cu date nestructurate.
Cuantificarea și minimizarea prejudecăților în conductele ML.
Utilizați depozitele de caracteristici pentru a construi conducte de inginerie a caracteristicilor în timp real.
Îmbunătățirea conductelor existente prin manipularea datelor de intrare.
Despre cititor.
Pentru ingineri cu experiență în învățarea automată, familiarizați cu Python.
Despre autor.
Sinan Ozdemir este fondatorul și CTO al Shiba, fost lector de știința datelor la Universitatea Johns Hopkins și autor al mai multor manuale despre știința datelor și învățarea automată.
Tabla de conținut.
1 Introducere în ingineria caracteristicilor.
2 Principiile de bază ale ingineriei caracteristicilor.
3 Asistență medicală: Diagnosticarea COVID-19.
4 Bias și corectitudine: Modelarea recidivei.
5 Procesarea limbajului natural: Clasificarea sentimentelor din social media.
6 Computer vision: Recunoașterea obiectelor.
7 Analiza seriilor de timp: Day trading cu învățare automată.
8 Stocuri de caracteristici.
9 Cum se pune totul cap la cap.
