Hands-On Machine Learning cu scikit-learn și Scientific Python Toolkits: Un ghid practic pentru implementarea machine lear supravegheat și nesupravegheat

Recenzii ale cititorilor

Cartea servește ca o introducere utilă în învățarea automată, concentrându-se pe implementarea practică folosind Python și biblioteca scikit-learn. Este orientată către începători și cercetători de date juniori care doresc să învețe despre mai mulți algoritmi și aplicațiile lor. Cu toate acestea, cartea a fost criticată pentru organizarea și profunzimea sa.

⬤ Excelentă pentru începători fără cunoștințe de matematică.
⬤ Oferă exemple practice și aplicații din viața reală.
⬤ Se concentrează pe biblioteca scikit-learn utilizată pe scară largă.
⬤ Acoperă atât algoritmii de învățare supravegheată, cât și pe cei nesupravegheați.
⬤ Oferă explicații clare care ajută la înțelegerea conceptelor complexe.
⬤ Potrivit pentru cercetătorii de date care doresc să își îmbunătățească abilitățile.

⬤ Organizarea conținutului este oarecum confuză, cu unele subiecte importante plasate în afara ordinii.
⬤ Lipsă de profunzime în anumite domenii
⬤ unele concepte și algoritmi importanți sunt omise.
⬤ Nu există un glosar pentru căutarea rapidă a termenilor
⬤ se bazează în schimb pe un index.
⬤ Sugerează că acoperă totul, dar nu stăpânește pe deplin subiectul.

(pe baza a 4 recenzii ale cititorilor)

Titlul original:

Hands-On Machine Learning with scikit-learn and Scientific Python Toolkits: A practical guide to implementing supervised and unsupervised machine lear

Conținutul cărții:

Integrați scikit-learn cu diverse instrumente precum NumPy, pandas, imbalanced-learn și scikit-surprise și utilizați-l pentru a rezolva probleme reale de învățare automată

Caracteristici principale

⬤ Să pătrundeți în învățarea automată cu acest ghid cuprinzător pentru scikit-learn și Python științific.

⬤ Master arta de rezolvare a problemelor bazate pe date cu exemple practice.

⬤ Fortificați-vă cunoștințele teoretice și practice ale algoritmilor de învățare automată supravegheată și nesupravegheată.

Descrierea cărții

Învățarea automată este aplicată peste tot, de la afaceri la cercetare și mediul academic, în timp ce scikit-learn este o bibliotecă versatilă, populară printre practicienii învățării automate. Această carte servește ca un ghid practic pentru oricine dorește să ofere soluții practice de învățare automată cu scikit-learn și kiturile de instrumente Python.

Cartea începe cu o explicație a conceptelor și fundamentelor învățării automate și stabilește un echilibru între conceptele teoretice și aplicațiile acestora. Fiecare capitol acoperă un set diferit de algoritmi și vă arată cum să îi utilizați pentru a rezolva probleme din viața reală. De asemenea, veți învăța despre diverși algoritmi cheie de învățare automată supravegheată și nesupravegheată folosind exemple practice. Fie că este vorba de un algoritm de învățare bazat pe instanțe, estimare bayesiană, o rețea neuronală profundă, un ansamblu bazat pe arbori sau un sistem de recomandare, veți obține o înțelegere aprofundată a teoriei sale și veți învăța când să îl aplicați. Pe măsură ce avansați, veți învăța cum să vă ocupați de datele neetichetate și când să utilizați diferiți algoritmi de clusterizare și de detectare a anomaliilor.

Până la sfârșitul acestei cărți despre învățarea automată, veți fi învățat cum să adoptați o abordare bazată pe date pentru a oferi soluții complete de învățare automată. De asemenea, veți fi descoperit cum să formulați problema în cauză, să pregătiți datele necesare și să evaluați și să implementați modele în producție.

Ce veți învăța

⬤ Înțelegeți când să utilizați algoritmi de învățare supervizată, nesupervizată sau de întărire.

⬤ Descoperiți cum să vă colectați și să vă pregătiți datele pentru sarcinile de învățare automată.

⬤  Abordați date dezechilibrate și optimizați algoritmul pentru un compromis între părtinire sau varianță.

⬤ Aplicați algoritmi supravegheați și nesupravegheați pentru a depăși diverse provocări ale învățării automate.

⬤ Emplementați cele mai bune practici pentru reglarea hiperparametrilor algoritmului dumneavoastră.

⬤ Descoperiți cum să utilizați rețele neuronale pentru clasificare și regresie.

⬤ Construiți, evaluați și implementați soluțiile dvs. de învățare automată în producție.

Pentru cine este această carte

Această carte este destinată oamenilor de știință din domeniul datelor, practicienilor din domeniul învățării automate și tuturor celor care doresc să învețe cum funcționează algoritmii de învățare automată și să construiască diferite modele de învățare automată utilizând ecosistemul Python. Cartea vă va ajuta să vă duceți cunoștințele despre învățarea automată la nivelul următor, prin înțelegerea intrărilor și ieșirilor sale și prin adaptarea acesteia la nevoile dvs. Sunt necesare cunoștințe practice de Python și o înțelegere de bază a conceptelor matematice și statistice subiacente.