Python: Real World Machine Learning: Duceți-vă abilitățile de învățare a mașinilor Python la nivelul următor

Recenzii ale cititorilor

În prezent, nu există recenzii ale cititorilor. Evaluarea se bazează pe 5 voturi.

Titlul original:

Python: Real World Machine Learning: Take your Python Machine learning skills to the next level

Conținutul cărții:

Explorați caracteristicile minunate ale noului JIRA 7 pentru a gestiona proiecte și a gestiona eficient bug-urile și problemele software

Caracteristici principale

⬤ Actualizată pentru JIRA 7, această carte acoperă toate caracteristicile noi introduse în JIRA 7, cu un capitol dedicat JIRA Service Desk - unul dintre cele mai mari add-on-uri noi pentru JIRA.

⬤ Această carte stabilește o bază solidă pentru a lucra cu proiecte agile în JIRA atât din perspectiva administratorului, cât și a utilizatorului final.

⬤ Învățați să rezolvați probleme provocatoare de știința datelor prin construirea unor modele puternice de învățare automată folosind Python.

Descrierea cărții

Învățarea automată este din ce în ce mai răspândită în lumea modernă bazată pe date. Ea este utilizată pe scară largă în multe domenii, cum ar fi motoarele de căutare, robotica, mașinile care se conduc singure și multe altele. Învățarea automată transformă modul în care înțelegem și interacționăm cu lumea din jurul nostru.

În primul modul, Python Machine Learning Cookbook, veți învăța cum să efectuați diverse sarcini de învățare automată utilizând o mare varietate de algoritmi de învățare automată pentru a rezolva probleme din lumea reală și să utilizați Python pentru a implementa acești algoritmi.

Al doilea modul, Advanced Machine Learning with Python, este conceput pentru a vă oferi un tur ghidat al celor mai relevante și puternice tehnici de învățare automată și veți dobândi un set larg de competențe puternice în domeniul selecției și ingineriei caracteristicilor.

Al treilea modul din această cale de învățare, Învățarea automată la scară largă cu Python, analizează învățarea automată scalabilă și cele trei forme de scalabilitate. Acesta acoperă cele mai eficiente tehnici de învățare automată pe un cadru map reduce în Hadoop și Spark în Python.

Această cale de învățare vă va învăța învățarea automată Python pentru lumea reală. Tehnicile de învățare automată acoperite în această cale de învățare sunt în fruntea practicii comerciale.

Această cale de învățare combină unele dintre cele mai bune pe care Packt le are de oferit într-un pachet complet, curatoriat. Acesta include conținut din următoarele produse Packt:

⬤ Python Machine Learning Cookbook de Prateek Joshi.

⬤ Advanced Machine Learning with Python de John Hearty.

⬤ Large Scale Machine Learning with Python de Bastiaan Sjardin, Alberto Boschetti, Luca Massaron.

Ce veți învăța

⬤ Utilizați modelarea predictivă și aplicați-o la probleme din lumea reală.

⬤ Înțelegeți cum să realizați segmentarea pieței utilizând învățarea nesupravegheată.

⬤ Aplicați noile dvs. abilități pentru a rezolva probleme reale, prin cod clar explicat pentru fiecare tehnică și test.

⬤ Competiți cu oamenii de știință de date de top prin dobândirea unei înțelegeri practice și teoretice a algoritmilor de învățare profundă de ultimă oră.

⬤ Creșteți precizia predictivă cu ajutorul învățării profunde și al tehnicilor scalabile de gestionare a datelor.

⬤ Lucrați cu tehnici moderne de învățare automată la scară largă de ultimă oră.

⬤ Învățați să utilizați codul Python pentru a implementa o serie de algoritmi și tehnici de învățare automată.

Pentru cine este această carte

Această cale de învățare este pentru programatorii Python care doresc să utilizeze algoritmi de învățare automată pentru a crea aplicații din lumea reală. Este ideală pentru profesioniștii Python care doresc să lucreze cu seturi de date mari și complexe și pentru dezvoltatorii și analiștii Python sau cercetătorii de date care doresc să își completeze competențele existente prin accesarea unora dintre cele mai puternice tendințe recente în știința datelor. Se așteaptă experiență cu Python, Jupyter Notebooks și execuție în linie de comandă, împreună cu un nivel bun de cunoștințe matematice pentru a înțelege conceptele. Se așteaptă, de asemenea, cunoștințe de bază în domeniul învățării automate.