Învățarea automată pentru începători - ediția a 2-a

Recenzii ale cititorilor

În prezent, nu există recenzii ale cititorilor. Evaluarea se bazează pe 2 voturi.

Titlul original:

Machine Learning for Beginners - 2nd Edition

Conținutul cărții:

Învățați cum să construiți o rețea completă de învățare automată prin stăpânirea extragerii caracteristicilor, selecției caracteristicilor și formării algoritmilor

Caracteristici cheie

● Dezvoltarea unei înțelegeri solide a principiilor fundamentale în învățarea automată.

● Stăpâniți metodele de regresie și clasificare pentru predicția și categorizarea precisă a datelor în învățarea automată.

● Scufundați în subiecte avansate de învățare automată, inclusiv învățarea nesupravegheată și învățarea profundă.

Descriere

A doua ediție a cărții „Machine Learning for Beginners” abordează concepte și subiecte cheie în învățarea automată.

Cartea începe cu o introducere în principiile fundamentale ale învățării automate, urmată de o discuție despre preprocesarea datelor. Apoi abordează extragerea și selectarea caracteristicilor, oferind o acoperire cuprinzătoare a diferitelor tehnici, cum ar fi transformarea Fourier, transformarea Fourier în timp scurt și modele binare locale. Mai departe, cartea abordează analiza componentelor principale și analiza discriminantă liniară. În continuare, cartea abordează subiecte legate de reprezentarea modelului, formarea, testarea și validarea încrucișată. Se pune accentul pe regresie și clasificare, explicând și implementând metode precum coborârea gradientului. Tehnicile esențiale de clasificare, inclusiv k-nearest neighbors, regresia logistică și naive Bayes, sunt, de asemenea, discutate în detaliu. Cartea prezintă apoi o prezentare generală a rețelelor neuronale, inclusiv contextul lor biologic, limitările perceptronului și modelul backpropagation. De asemenea, sunt abordate mașinile vectoriale de sprijin și metodele kernel. De asemenea, sunt discutate arborii decizionali și modelele de ansamblu. Secțiunea finală a cărții oferă o perspectivă asupra învățării nesupravegheate și a învățării profunde, oferind cititorilor o prezentare cuprinzătoare a acestor subiecte avansate.

Până la sfârșitul cărții, veți fi bine pregătiți să explorați și să aplicați învățarea automată în diverse scenarii din lumea reală.

Ce veți învăța

● Dobândiți abilități pentru a pregăti eficient datele pentru sarcinile de învățare automată.

● Învățați cum să implementați algoritmi de învățare de la zero.

● Exploatați puterea scikit-learn pentru a implementa eficient algoritmi comuni.

● Familiarizați-vă cu diverse metode de selecție și extragere a caracteristicilor.

● Învățați cum să implementați algoritmi de clusterizare.

Pentru cine este această carte

Această carte se adresează atât studenților universitari și postuniversitari la informatică, cât și profesioniștilor care doresc să facă tranziția către domeniul captivant al învățării automate, presupunând o familiaritate fundamentală cu Python.

Tabla de conținut

Secțiunea I: Noțiuni fundamentale

1. O introducere în învățarea automată

2. Începutul: Preprocesarea datelor

3. Selectarea caracteristicilor

4. Extragerea caracteristicilor

5. Dezvoltarea modelului

Secțiunea II: Învățarea supravegheată

6. Regresia

7. K-Nearest Neighbors

8. Clasificare: Regresia logistică și clasificatorul Naïve Bayes

9. Rețeaua neuronală I: Perceptronul

10. Rețeaua neuronală II: Perceptronul cu mai multe straturi

11. Mașini vectoriale de suport

12. Arbori de decizie

13. O introducere în învățarea prin ansamblu

Secțiunea III: Învățarea nesupravegheată și învățarea profundă

14. Clustering

15. Învățarea profundă

Anexa 1: Glosar

Anexa 2: Metode/tehnici

Apendicele 3: Metrici și formule importante

Apendicele 4: Vizualizare - Matplotlib

Răspunsuri la întrebările cu alegere multiplă

Bibliografie