Învățarea automată practică pentru fluxul de date cu Python: Proiectarea, dezvoltarea și validarea modelelor de învățare online

Recenzii ale cititorilor

În prezent, nu există recenzii ale cititorilor. Evaluarea se bazează pe 3 voturi.

Titlul original:

Practical Machine Learning for Streaming Data with Python: Design, Develop, and Validate Online Learning Models

Conținutul cărții:

Capitolul 1: O introducere în streamingul de dateObiectivul capitolului: Introducerea cititorilor în conceptul de streaming de date, diferitele provocări asociate cu acesta, unele dintre aplicațiile sale de afaceri din lumea reală, diferitele tehnici de fereastrare, împreună cu conceptele de algoritmi de învățare incrementală și online. Acest capitol va ajuta, de asemenea, la înțelegerea conceptului de evaluare a modelului în cazul datelor în flux și va oferi o introducere în cadrul Scikit-Multiflow în Python. Nr. de pagini- 35Sub -teme1. Streaming de date2. Provocări ale fluxului de date3. Deriva conceptului4. Aplicații ale fluxului de date5. Tehnici de ferestre6. Învățarea incrementală și învățarea online7. Ilustrație: Adoptarea învățătorilor pe loturi în învățători incrementali8. Introducere în cadrul Scikit-Multiflow9. Evaluarea algoritmilor de streaming.

Capitolul 2: Detectarea schimbărilorObiectivul capitolului: Ajută cititorii să înțeleagă diverșii algoritmi de detectare a schimbărilor/detectare a derapajelor de concept și implementarea acestora pe diverse seturi de date utilizând Scikit-Multiflow. Nr. de pagini: 35Sub - Subiecte: 1. Problema detectării schimbărilor2. Algoritmi de detectare a derapajelor de concept3. ADWIN4. DDM5. EDDM6. Pagina Hinkley.

Capitolul 3: Învățarea supravegheată și nesupravegheată pentru fluxul de date Scopul capitolului: Ajută cititorii să înțeleagă diverșii algoritmi de regresie și clasificare (inclusiv învățarea ansamblului) pentru fluxul de date și implementarea acestora pe diverse seturi de date utilizând Scikit-Multiflow. De asemenea, discutați unele abordări pentru clustering cu date în flux și implementarea acestuia utilizând Python. Nr. de pagini: 35Sub - Subiecte: 1. Regresia cu date în flux2. Clasificare cu date în flux3. Învățarea în ansamblu cu date în flux4. Clustering cu date în flux.

Capitolul 4: Alte instrumente și calea de urmatObiectivul capitolului: Prezintă cititorilor alte instrumente open source pentru gestionarea datelor în flux, cum ar fi Spark streaming, MOA și altele. De asemenea, educarea cititorului cu privire la lecturi suplimentare pentru subiecte avansate în cadrul analizei datelor în flux. Nr. de pagini: 35Sub - Subiecte: 1. Alte instrumente pentru manipularea datelor în flux1. 1. 1. Apache Spark1. 1. 2. Massive Online Analysis (MOA)1. 1. 3. Apache Kafka2. Domenii de cercetare active și descoperiri în analiza datelor în flux3. Concluzii.