Învățare supervizată practică cu Python: Learn How to Solve Machine Learning Problems with Supervised Learning Algorithms Using Python

Recenzii ale cititorilor

În prezent, nu există recenzii ale cititorilor. Evaluarea se bazează pe 10 voturi.

Titlul original:

Hands-on Supervised Learning with Python: Learn How to Solve Machine Learning Problems with Supervised Learning Algorithms Using Python

Conținutul cărții:

Rezolvarea practică a problemelor ML și crearea de soluții utilizând Python.

Caracteristici principale

⬤ Introducere la programarea Python.

⬤ Python pentru Machine Learning.

⬤ Introducere la învățarea automată.

⬤ Introducere la modelarea predictivă, Algoritmi supravegheați și nesupravegheați.

⬤ Regresie liniară, regresie logistică și mașini vectoriale de suport.

Descriere

Veți învăța despre fundamentele învățării automate și despre postul de programare Python, care va fi introdus în modelarea predictivă și diferitele metodologii în modelarea predictivă. Veți fi introdus în algoritmii de învățare supervizată și algoritmii de învățare nesupervizată și diferența dintre acestea.

Ne vom concentra pe învățarea algoritmilor supervizați de învățare mecanică care acoperă regresia liniară, regresia logistică, mașinile vectoriale de sprijin, arborii de decizie și rețelele neuronale artificiale. Pentru fiecare dintre acești algoritmi, veți lucra practic cu seturi de date open-source și veți utiliza programarea Python pentru a programa algoritmii de învățare automată. Veți învăța despre curățarea datelor și optimizarea caracteristicilor pentru a obține cele mai bune rezultate din modelul dvs. de învățare automată. Veți învăța despre diferiții parametri care determină acuratețea modelului dvs. și cum vă puteți regla modelul pe baza reflectării acestor parametri.

Ce veți învăța

⬤ Obțineți o viziune clară a ceea ce este învățarea automată și familiarizați-vă cu principiile de bază ale învățării automate.

⬤ Înțelegeți bibliotecile specifice limbajului Python disponibile pentru Machine learning și fiți capabil să lucrați cu aceste biblioteci.

Explorați diferiții algoritmi bazați pe învățarea supravegheată în Machine Learning și să știți cum să îi implementați atunci când vi se prezintă un caz de utilizare în timp real.

⬤ Aveți experiență practică în explorarea datelor, curățarea datelor, preprocesarea datelor și implementarea modelelor.

⬤ Cunoașteți elementele de bază ale Deep Learning și unii algoritmi interesanți în acest domeniu.

⬤ Alegeți modelul potrivit pe baza enunțului problemei dvs. și lucrați cu tehnici EDA pentru a obține o precizie bună a modelului dvs.

Pentru cine este această carte

Această carte se adresează oricărei persoane interesate de înțelegerea învățării automate. Începătorii, inginerii de învățare automată și cercetătorii de date care doresc să se familiarizeze cu algoritmii de învățare supervizată vor găsi această carte utilă.

Tabla de conținut

1. Introducere în programarea Python.

2. Python pentru învățarea automată.

3. Introducere în învățarea automată.

4. Învățarea supravegheată și învățarea nesupravegheată.

5. Regresia liniară: Un ghid practic. 6. Regresia logistică - O introducere.

7. O incursiune în funcționarea mașinilor vectoriale de sprijin (SVM)

8. Arbori de decizie.

9. Foreste aleatorii.

10. Modele de serii de timp în învățarea automată.

11. Introducere în rețelele neuronale.

12. Rețele neuronale recurente.

13. Rețele neuronale convoluționale.

14. Metrici de performanță.

15. Introducere în gândirea de proiectare.

16. Studiu de caz privind gândirea de design.