Învățarea automată în lumea reală

Recenzii ale cititorilor

Cartea oferă un ghid practic pentru învățarea automată, făcând legătura între conceptele teoretice și aplicațiile din lumea reală. Este potrivită pentru cei care au unele cunoștințe de programare, în special în Python, și oferă diverse exemple și fragmente de cod pentru învățarea practică. Cu toate acestea, există critici cu privire la adâncimea sa în detalii matematice și probleme cu prezentarea codului.

⬤ Bine organizat și clar prezentat
⬤ excelent pentru practicieni
⬤ exemple bune și pași practici
⬤ nu sunt necesare cunoștințe matematice extinse
⬤ potrivit pentru programatori de nivel mediu
⬤ abordare practică cu exemple de cod
⬤ abordează probleme reale în ML.

⬤ Lipsă de profunzime în detaliile matematice
⬤ unele fragmente de cod par prost gândite și pot conține erori
⬤ prezentare în figuri alb-negru
⬤ poate să nu fie potrivită pentru utilizatorii avansați sau pentru cei care caută profunzime teoretică
⬤ unii cititori o găsesc superficială.

(pe baza a 17 recenzii ale cititorilor)

Titlul original:

Real-World Machine Learning

Conținutul cărții:

Rezumat

Real-World Machine Learning este un ghid practic conceput pentru a învăța dezvoltatorii activi arta executării proiectelor ML. Fără a vă supradoza cu teorie academică și matematică complexă, acesta introduce practica de zi cu zi a învățării automate, pregătindu-vă să construiți și să implementați cu succes sisteme ML puternice.

Achiziționarea cărții tipărite include o carte electronică gratuită în format PDF, Kindle și ePub de la Manning Publications.

Despre tehnologie

Sistemele de învățare automată vă ajută să găsiți perspective și modele valoroase în date, pe care nu le-ați recunoaște niciodată cu metodele tradiționale. În lumea reală, tehnicile ML vă oferă o modalitate de a identifica tendințele, de a prognoza comportamentul și de a face recomandări bazate pe fapte. Este un domeniu fierbinte și în creștere, iar dezvoltatorii de ML de ultimă oră sunt la mare căutare.

Despre carte

Real-World Machine Learning vă va învăța conceptele și tehnicile de care aveți nevoie pentru a fi un practician de succes al învățării automate, fără a vă supradoza cu teorie abstractă și matematică complexă. Lucrând prin exemple imediat relevante în Python, vă veți dezvolta abilitățile în achiziția și modelarea datelor, clasificare și regresie. De asemenea, veți explora cele mai importante sarcini, cum ar fi validarea modelului, optimizarea, scalabilitatea și streamingul în timp real. Când veți termina, veți fi gata să construiți, să implementați și să vă mențineți cu succes propriile sisteme ML puternice.

Ce este în interior

⬤ Predicția comportamentului viitor.

⬤ Evaluarea și optimizarea performanțelor.

⬤ Analyzing sentiment and making recommendations.

Despre cititor

Nu se presupune nicio experiență anterioară în învățarea automată. Cititorii trebuie să cunoască Python.

Despre autori

Henrik Brink, Joseph Richards și Mark Fetherolf sunt cercetători de date cu experiență, implicați în practica zilnică a învățării automate.

Tabla de conținut

PARTEA 1: FLUXUL DE LUCRU AL ÎNVĂȚĂRII AUTOMATE.

⬤ Ce este învățarea automată?

⬤ Datele din lumea reală.

⬤ Modelare și predicție.

⬤ Evaluarea și optimizarea modelelor.

⬤ Inginerie de bază a caracteristicilor.

PARTEA 2: APLICAȚII PRACTICE.

⬤ Exemplu: Date privind taxiurile din New York.

⬤ Inginerie avansată a caracteristicilor.

⬤ Exemplu NLP avansat: sentimentul de recenzie a filmelor.

⬤ Scalarea fluxurilor de lucru de învățare automată.

⬤ Exemplu: publicitatea prin afișare digitală.