Hands-On Machine Learning cu R

Recenzii ale cititorilor

Cartea este lăudată pentru explicațiile sale clare, exemplele practice și o prezentare cuprinzătoare a conceptelor de învățare automată, în special în R. Mulți recenzenți au subliniat stilul eficient de predare al autorilor și conținutul bine structurat, care servește atât începătorilor, cât și celor care doresc să-și consolideze cunoștințele. Cu toate acestea, mai multe recenzii au criticat calitatea versiunii tipărite, citând probleme legate de durabilitate, reproducerea culorilor și valorile generale ale producției, făcând-o să pară supraevaluată.

Explicații și exemple clare, sfaturi practice, introducere completă în machine learning cu R, organizare bună a conținutului și stil de predare eficient al autorilor.

Calitate slabă a imprimării, probleme cu legarea și lizibilitatea graficelor color în imprimarea alb-negru și costisitoare pentru calitatea oferită.

(pe baza a 11 recenzii ale cititorilor)

Titlul original:

Hands-On Machine Learning with R

Conținutul cărții:

Hands-on Machine Learning with R oferă o abordare practică și aplicată a învățării și dezvoltării intuiției în cele mai populare metode actuale de învățare automată. Această carte servește drept ghid al practicianului pentru procesul de învățare automată și este menită să ajute cititorul să învețe să aplice stiva de învățare automată din R, care include utilizarea diferitelor pachete R, cum ar fi glmnet, h2o, ranger, xgboost, keras și altele, pentru a modela în mod eficient și a obține informații din datele lor. Cartea favorizează o abordare practică, oferind o înțelegere intuitivă a conceptelor de învățare automată prin exemple concrete și doar un pic de teorie.

Pe parcursul acestei cărți, cititorul va fi expus la întregul proces de învățare automată, inclusiv ingineria caracteristicilor, reeșantionarea, reglarea hiperparametrilor, evaluarea și interpretarea modelelor. Cititorul va fi expus la algoritmi puternici, cum ar fi regresia regularizată, pădurile aleatorii, mașinile de amplificare a gradientului, învățarea profundă, modelele generalizate de rang scăzut și multe altele! Favorizând o abordare practică și folosind date reale de cuvinte, cititorul va dobândi o înțelegere intuitivă a arhitecturilor și motoarelor care conduc acești algoritmi și pachete, va înțelege când și cum să regleze diverșii hiperparametri și va fi capabil să interpreteze rezultatele modelelor. Până la sfârșitul acestei cărți, cititorul ar trebui să aibă o înțelegere fermă a stivei de învățare automată din R și să fie capabil să implementeze o abordare sistematică pentru a produce rezultate de modelare de înaltă calitate.

Caracteristici:

- Oferă o introducere practică și aplicată la cele mai populare metode de învățare automată.

- Subiectele acoperite includ ingineria caracteristicilor, resampling, deep learning și multe altele.

- Utilizează o abordare practică și date din lumea reală.