Învățarea supravegheată cu Python: Concepte și implementare practică utilizând Python

Recenzii ale cititorilor

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

Titlul original:

Supervised Learning with Python: Concepts and Practical Implementation Using Python

Conținutul cărții:

Obțineți o înțelegere aprofundată a algoritmilor de învățare supravegheată prin dezvoltarea de cazuri de utilizare cu Python. Veți studia concepte de învățare supravegheată, cod Python, seturi de date, cele mai bune practici, rezolvarea problemelor și capcanelor comune și cunoștințe practice de implementare a algoritmilor pentru seturi de date structurate, precum și text și imagini.

Veți începe cu o introducere în învățarea automată, subliniind diferențele dintre învățarea supravegheată, semi-supravegheată și nesupravegheată. În capitolele următoare veți studia problemele de regresie și clasificare, matematica din spatele acestora, algoritmi precum regresia liniară, regresia logistică, arborele decizional, KNN, Nave Bayes și algoritmi avansați precum Random Forest, SVM, Gradient Boosting și rețele neurale. Implementarea Python este furnizată pentru toți algoritmii. Veți încheia cu un proces de dezvoltare a modelului de la un capăt la altul, inclusiv implementarea și întreținerea modelului.

După ce veți citi Învățarea supravegheată cu Python, veți avea o înțelegere largă a învățării supravegheate și a implementării sale practice și veți fi capabil să executați codul și să îl extindeți într-un mod inovator.

Ce veți învăța

⬤ Revedeți elementele de bază și conceptele fundamentale ale învățării supravegheate utilizând Python.

⬤ Elaborarea de soluții de învățare supravegheată pentru date structurate, precum și pentru text și imagini.

⬤ Soluționarea problemelor legate de supraajustare, ingineria caracteristicilor, curățarea datelor și validarea încrucișată pentru construirea celor mai potrivite modele.

⬤ Înțelegerea ciclului modelului de la un capăt la altul, de la definirea problemei de afaceri la implementarea și întreținerea modelului.

⬤ Evitați capcanele comune și respectați cele mai bune practici în timpul creării unui model de învățare supravegheată utilizând Python.

Pentru cine este această carte

Oameni de știință de date sau analiști de date interesați de cele mai bune practici și standarde pentru învățarea supravegheată și de utilizarea algoritmilor de clasificare și a tehnicilor de regresie pentru a dezvolta modele predictive.