Julia pentru învățarea automată

Recenzii ale cititorilor

Cartea este criticată pentru lipsa de profunzime în predarea Julia și a învățării automate, mulți recenzenți afirmând că nu servește drept tutorial sau referință cuprinzătoare. Cu toate acestea, o recenzie se remarcă pozitiv, descriind-o ca fiind excelentă și foarte recomandabilă.

Un recenzent a considerat cartea excelentă și foarte recomandabilă.

Cartea este lipsită de explicații detaliate și tutoriale privind Julia și învățarea automată, oferind doar o prezentare superficială a bibliotecilor, fără discuții aprofundate sau valoare practică. Cartea este considerată ca având o valoare adăugată redusă față de resursele online disponibile gratuit.

(pe baza a 3 recenzii ale cititorilor)

Titlul original:

Julia for Machine Learning

Conținutul cărții:

Dezlănțuiți puterea lui Julia pentru sarcinile dvs. de învățare automată.

Vă dezvăluim de ce Julia este aleasă pentru tot mai multe proiecte de știința datelor și de învățare automată, inclusiv capacitatea Juliei de a rula algoritmi la viteza fulgerului. În continuare, vă arătăm cum să configurați Julia și diverse IDE-uri, cum ar fi Jupyter. După aceea, explorăm bibliotecile cheie Julia, care sunt utile pentru activitatea de știința datelor, inclusiv pachetele legate de vizuale, structuri de date și procese matematice.

După ce am construit o bază în Julia, ne scufundăm în învățarea automată, cu concepte fundamentale consolidate de cazurile de utilizare Julia. Cazurile de utilizare se bazează unul pe celălalt, ajungând la nivelul la care codăm un model de învățare automată de la zero folosind Julia. Toate aceste cazuri de utilizare sunt disponibile într-o serie de notebook-uri Jupyter.

După acoperirea metodelor de reducere a dimensionalității, explorăm subiecte suplimentare de învățare automată, cum ar fi paralelizarea și ingineria datelor. Deși este esențial să știm cum să folosim Julia, este și mai important să ne comunicăm rezultatele către mediul de afaceri, pe care îl acoperim în continuare, inclusiv cum să lucrăm eficient cu părțile interesate de proiect. Călătoria noastră cu Julia urcă apoi la punctele fine, inclusiv îmbunătățirea transparenței învățării automate, reconcilierea învățării automate cu statisticile și continuarea inovării cu Julia.

Ultimele capitole acoperă tendințele viitoare în domeniile Julia, învățarea automată și inteligența artificială. Explicăm sistemele hibride de învățare automată și statistică bayesiană, precum și limbajul Gen al Julia. Împărtășim multe resurse, astfel încât să puteți continua să vă perfecționați abilitățile Julia și de învățare automată.

Fiecare capitol se încheie cu o serie de întrebări menite să consolideze materialul din capitolul respectiv, cu răspunsuri furnizate într-o anexă. Alte anexe includ un glosar extins, pachete punte între Julia și alte limbaje de programare și o prezentare generală a trei euristici legate de știința datelor implementate în Julia, care nu sunt în niciunul dintre pachetele existente.