Python Machine Learning by Example - Ediția a treia: Construiți sisteme inteligente utilizând Python, TensorFlow 2, PyTorch și scikit-learn

Recenzii ale cititorilor

Cartea este o resursă practică pentru cei interesați de învățarea automată, în special cu Python. Ea oferă o introducere accesibilă la diverse concepte de învățare automată, cu accent pe exemple practice și implementări de cod. Cu toate acestea, a fost criticată pentru acoperirea superficială a teoriilor matematice și pentru unele erori de codificare. Deși este o bună completare a textelor mai teoretice, este posibil să nu fie suficientă pentru începătorii compleți în machine learning sau Python.

⬤ Abordare practică cu exemple pas cu pas
⬤ acoperă biblioteci Python populare
⬤ segmente de cod bine explicate
⬤ bun pentru cei cu unele cunoștințe anterioare de ML
⬤ include aplicații din lumea reală
⬤ stil de scriere plăcut
⬤ oferă bune practici utile.

⬤ Puțină teorie și profunzime matematică
⬤ unele exemple de cod au erori
⬤ poate să nu fie potrivit pentru începătorii compleți în ML sau Python
⬤ probleme de tipărire raportate
⬤ unele explicații nu au context
⬤ date și cerințe învechite.

(pe baza a 20 recenzii ale cititorilor)

Titlul original:

Python Machine Learning by Example - Third Edition: Build intelligent systems using Python, TensorFlow 2, PyTorch, and scikit-learn

Conținutul cărții:

Un ghid cuprinzător pentru a vă pune la curent cu cele mai recente evoluții ale învățării automate practice cu Python și pentru a vă actualiza înțelegerea algoritmilor și tehnicilor de învățare automată (ML)

Caracteristici principale

⬤ Dive în algoritmi de învățare automată pentru a rezolva provocările complexe cu care se confruntă oamenii de știință de date astăzi.

⬤ Explorați conținutul de ultimă oră care reflectă dezvoltările deep learning și reinforcement learning.

⬤ Utilizați biblioteci Python actualizate, cum ar fi TensorFlow, PyTorch și scikit-learn pentru a urmări proiectele de învățare automată de la un capăt la altul.

Descrierea cărții

Python Machine Learning By Example, ediția a treia servește ca o poartă cuprinzătoare în lumea învățării automate (ML).

Cu șase capitole noi, pe teme care includ dezvoltarea motorului de recomandare a filmelor cu Na ve Bayes, recunoașterea fețelor cu support vector machine, predicția prețurilor acțiunilor cu rețele neuronale artificiale, categorizarea imaginilor de îmbrăcăminte cu rețele neuronale convoluționale, predicția cu secvențe folosind rețele neuronale recurente și valorificarea învățării prin întărire pentru luarea deciziilor, cartea a fost actualizată considerabil pentru cele mai recente cerințe ale întreprinderilor.

În același timp, această carte oferă informații utile cu privire la fundamentele cheie ale ML cu programarea Python. Hayden își aplică expertiza pentru a demonstra implementări de algoritmi în Python, atât de la zero, cât și cu biblioteci.

Fiecare capitol parcurge o aplicație adoptată de industrie. Cu ajutorul exemplelor realiste, veți obține o înțelegere a mecanicii tehnicilor ML în domenii precum analiza exploratorie a datelor, ingineria caracteristicilor, clasificarea, regresia, gruparea și NLP.

Până la sfârșitul acestei cărți ML Python, veți obține o imagine de ansamblu a ecosistemului ML și veți fi bine familiarizat cu cele mai bune practici de aplicare a tehnicilor ML pentru rezolvarea problemelor.

Ce veți învăța

⬤ Înțelegeți conceptele importante în ML și știința datelor.

⬤ Utilizați Python pentru a explora lumea mineritului de date și a analizei.

⬤ Să dezvoltați instruirea modelelor folosind complexități variate ale datelor cu Apache Spark.

⬤ Explorați în profunzime analiza textului și NLP utilizând biblioteci Python precum NLTK și Gensim.

⬤ Select and build an ML model and evaluate and optimize its performance.

⬤ Implementați algoritmi ML de la zero în Python, TensorFlow 2, PyTorch și scikit-learn.

Pentru cine este această carte

.

Dacă sunteți un entuziast al învățării automate, un analist de date sau un inginer de date foarte pasionat de învățarea automată și doriți să începeți să lucrați la sarcini de învățare automată, această carte este pentru dvs.

Se presupun cunoștințe prealabile de codificare Python, iar familiarizarea de bază cu conceptele statistice va fi benefică, deși nu este necesară.