Știința datelor în termeni simpli: Învățarea automată

Titlul original:

Data Science in Layman's Terms: Machine Learning

Conținutul cărții:

Învățarea automată a fost unul dintre domeniile cu cea mai rapidă creștere din ultimul deceniu. Mașinile care pot învăța devin o parte din viața noastră de zi cu zi. Mașinile care dau dovadă de inteligență și de capacitatea de a învăța sunt alimentate de matematică și algoritmi. Aceste subiecte nu trebuie să fie dificile. Această carte predă o înțelegere de bază a tot ceea ce este legat de învățarea automată, astfel încât cercetătorii de date de nivel începător sau intermediar să își poată extinde seturile de competențe și astfel încât intelectualii curioși să poată dobândi o înțelegere a domeniului.

Această carte oferă o prezentare generală completă a învățării automate. Ea se bazează pe informațiile prezentate de predecesoarea sa, Data Science in Layman's Terms: Statistics. Cartea atinge un echilibru între un tutorial ușor de citit și un manual cu teorie intensivă, prezentând mai întâi ideile, din punct de vedere conceptual, la un nivel înalt, iar apoi scufundându-se în detalii și matematică. Fiecare capitol este însoțit de exemple practice cu Python, și R, acolo unde este cazul. Materialul din prima jumătate a cărții este aranjat liniar, în care fiecare capitol se bazează pe cunoștințele din capitolele anterioare. A doua jumătate a cărții explorează subdomenii ale învățării automate, cum ar fi procesarea limbajului natural, viziunea pe calculator, învățarea prin consolidare și știința rețelelor.

Unele dintre aplicațiile practice pe care le veți învăța din această carte sunt cum să:

- Construiți un agent simulat care joacă jocuri fără instrucțiuni și urmăriți cum învață să joace singur.

- Aplicați recunoașterea facială la fotografii și videoclipuri în timp real.

- Efectuați analize ale coșului de piață și grupări pentru a îmbunătăți eficiența marketingului sau pentru a îmbunătăți experiența de cumpărături a unui client.

- Identificați muzică similară, folosind doar sunetul.

- Generați fețe de personaje anime cu aspect realist.

- Identificați subiecte abstracte în documente text și analizați modul în care sentimentul cu privire la diferite subiecte se schimbă în timp.

- Preziceți perechile de persoane care ar putea fi conectate în curând într-o rețea socială și analizați modul în care rețelele se modifică în timp.

- Convertiți scanări sau imagini de documente în text.

- Învățați cum să construiți rețele neuronale cu Keras și cum să le sondați cu TensorBoard pentru a identifica modul în care acestea ar putea fi îmbunătățite.

Depozitul GitHub care însoțește această carte poate fi găsit la: https: //github.com/nlinc1905/dsilt-ml-code.