Rețele neuronale cu R: Construiți sisteme inteligente prin implementarea modelelor populare de învățare profundă în R

Recenzii ale cititorilor

Cartea oferă o înțelegere de bază a IA și a rețelelor neuronale folosind R, dar suferă de probleme gramaticale și de o lipsă de profunzime în anumite domenii. Deși este apreciată pentru că este bine structurată și clară pentru începători, mulți recenzenți subliniază deficiențele sale în ceea ce privește calitatea scrierii și acoperirea conținutului specific.

⬤ Prezentare bine scrisă și secvențială
⬤ bună pentru începători
⬤ explicații concise
⬤ exemple R utile
⬤ îmbină teoria cu exemple din viața reală
⬤ foarte recomandată pentru pasionații de programare R și știința datelor.

⬤ Conține probleme gramaticale și engleză ciudată
⬤ lipsește profunzimea subiectelor
⬤ unele afirmații sunt neștiințifice
⬤ grafice de slabă calitate
⬤ fonturi mici pentru formule
⬤ în general ar putea fi mai bine scris având în vedere prețul.

(pe baza a 10 recenzii ale cititorilor)

Titlul original:

Neural Networks with R: Build smart systems by implementing popular deep learning models in R

Conținutul cărții:

Construiți o bază solidă pentru a intra în lumea învățării automate și a științei datelor cu ajutorul acestui ghid cuprinzător

Caracteristici principale

⬤ Începeți în domeniul Machine Learning cu ajutorul acestui ghid solid, bogat în concepte, dar extrem de practic.

⬤ Soluția dvs. unică pentru tot ceea ce contează pentru a stăpâni ce și de ce algoritmilor Machine Learning și implementarea lor.

⬤ Obțineți o bază solidă pentru intrarea dvs. în Machine Learning prin consolidarea rădăcinilor dvs. (algoritmi) cu ajutorul acestui ghid cuprinzător.

Descrierea cărții

Pe măsură ce cantitatea de date continuă să crească într-un ritm aproape de neînțeles, capacitatea de a înțelege și procesa datele devine un diferențiator cheie pentru organizațiile competitive. Aplicațiile de învățare automată sunt peste tot, de la mașinile care se conduc singure, detectarea spam-ului, căutarea documentelor și strategiile de tranzacționare, până la recunoașterea vorbirii. Acest lucru face ca învățarea automată să fie bine adaptată la era actuală a Big Data și a științei datelor. Principala provocare este cum să transformăm datele în cunoștințe utile.

În această carte veți învăța toți algoritmii importanți de învățare automată care sunt frecvent utilizați în domeniul științei datelor. Acești algoritmi pot fi utilizați pentru învățarea supravegheată, precum și pentru învățarea nesupravegheată, învățarea prin consolidare și învățarea semisupravegheată. Câțiva algoritmi celebri care sunt abordați în această carte sunt regresia liniară, regresia logistică, SVM, Naive Bayes, K-Means, Random Forest, TensorFlow și Feature Engineering. În această carte veți învăța, de asemenea, cum funcționează acești algoritmi și implementarea lor practică pentru a vă rezolva problemele. Această carte vă va prezenta, de asemenea, limbajul de procesare naturală și sistemele de recomandare, care vă ajută să rulați mai mulți algoritmi simultan.

La finalizarea cărții, veți stăpâni selectarea algoritmilor de învățare automată pentru clustering, clasificare sau regresie în funcție de problema dumneavoastră.

Ce veți învăța

⬤ Să vă familiarizați cu elementele importante ale Machine Learning.

⬤ Înțelegeți procesul de selecție și de inginerie a caracteristicilor.

⬤ Evaluați compromisurile de performanță și eroare pentru regresia liniară.

⬤ Construiți un model de date și înțelegeți cum funcționează acesta prin utilizarea diferitelor tipuri de algoritmi.

⬤ Învățați să reglați parametrii mașinilor vectoriale suport.

⬤ Implementarea clusterelor la un set de date.

⬤ Explorați conceptul de limbaj de procesare naturală și sistemele de recomandare.

⬤ Crearea unei arhitecturi ML de la zero.

Pentru cine este această carte

Această carte se adresează profesioniștilor din domeniul IT care doresc să intre în domeniul științei datelor și sunt foarte noi în învățarea automată. Familiarizarea cu limbaje precum R și Python va fi neprețuită aici.