Recenzii ale cititorilor
Rezumat:Cartea este lăudată pentru că este o introducere excelentă și concisă în învățarea automată, dar a fost criticată pentru că conține numeroase erori, în special pentru începători, ducând la frustrare. Designul și calitatea materialelor au fost remarcate pozitiv într-o recenzie.
Avantaje:⬤ Introducere concisă în machine learning
⬤ bine concepută, cu materiale de calitate
⬤ oferă resurse de sprijin pentru începători
⬤ experiență de cumpărare favorabilă pentru unii cititori.
Dezavantaje:⬤ Conține multe erori care îi pot frustra pe începători
⬤ suport slab din partea editorului și dificultăți în descărcarea cărților electronice
⬤ experiență negativă care a condus la returnări pentru unii cititori.
(pe baza a 3 recenzii ale cititorilor)
Titlul original:
Python Scikit-Learn for Beginners: Scikit-Learn Specialization for Data Scientist
Conținutul cărții:
Python for Data Scientists - Specializarea Scikit-Learn.
Scikit-Learn, cunoscută și sub numele de Sklearn, este o bibliotecă gratuită și open-source de machine learning (ML) utilizată pentru limbajul Python. În februarie 2010, această bibliotecă a fost făcută publică pentru prima dată. Și în mai puțin de trei ani, a devenit una dintre cele mai populare biblioteci de învățare automată de pe Github. Scikit-learn este cel mai bun loc de pornire pentru a avea acces la implementări ușor de utilizat și de top ale algoritmilor populari. Această bibliotecă accelerează dezvoltarea de modele ML. Principalele caracteristici ale bibliotecii Scikit-learn sunt algoritmii de regresie, clasificare și clustering (păduri aleatorii, K-means, gradient boosting, DBSCAN și mașini vectoriale de suport). Biblioteca Scikit-learn se integrează bine și cu alte biblioteci Python, precum NumPy, Pandas, IPython, SciPy, Sympy și Matplotlib, pentru a îndeplini diferite sarcini. Python for Data Scientists: Scikit-Learn Specialization vă prezintă o abordare practică și simplă pentru a învăța Scikit-learn rapid.
Prin ce este diferită această carte?
Majoritatea cărților Python presupun că știți cum să codificați folosind Pandas, NumPy și Matplotlib. Dar această carte nu o face. Autorul petrece mult timp învățându-vă cum să scrieți de fapt cele mai simple coduri în Python pentru a realiza modele de învățare automată. Acoperirea aprofundată a bibliotecii Scikit-learn începe chiar din al treilea capitol. Sărind direct la Scikit-learn vă face mai ușor să urmăriți. Celălalt avantaj este că Jupyter Notebook este folosit pentru a scrie și explica codul chiar prin această carte. Puteți accesa cu ușurință seturile de date utilizate în această carte descărcându-le în timpul execuției. De asemenea, le puteți accesa prin folderul Datasets din depozitele SharePoint și GitHub. De asemenea, veți avea ocazia să lucrați la trei mini-proiecte practice:
⬤ Spam Email Detection with Scikit-Learn.
⬤ Analiza sentimentală a filmelor din IMDB.
⬤ Clasificarea imaginilor cu Scikit-Learn.
Scripturile, graficele și imaginile din carte sunt clare și oferă imagini ușor de înțeles pentru descrierea textului. Dacă sunteți nou în știința datelor, veți găsi această carte o opțiune excelentă pentru auto-studiu. În general, vă puteți baza pe această carte learning by doing pentru a vă ajuta să vă atingeți mai repede obiectivele de carieră în știința datelor.
Subiectele abordate includ:
⬤ Introducere la Scikit-Learn și alte biblioteci de învățare automată.
⬤ Configurarea mediului și curs rapid de Python.
⬤ Prelucrarea datelor cu Scikit-Learn.
⬤ Selecția caracteristicilor cu biblioteca Scikit-Learn Python.
⬤ Soluționarea problemelor de regresie în învățarea automată cu ajutorul bibliotecii Sklearn.
⬤ Soluționarea problemelor de clasificare în învățarea automată utilizând biblioteca Sklearn.
⬤ Clusterizarea datelor cu ajutorul bibliotecii Scikit-Learn.
⬤ Reducerea dimensionalității cu PCA și LDA utilizând biblioteca Sklearn.
⬤ Selecting Best Models with Scikit-Learn.
⬤ Procesarea limbajului natural cu Scikit-Learn.
⬤ Clasificarea imaginilor cu Scikit-Learn.
Apăsați butonul BUY NOW și începeți călătoria dvs. de învățare a științei datelor.
