Értékelés:
Dr. Mark Fenner „Machine Learning with Python for Everyone” című könyvét nagyra értékelik a gépi tanulás tanításának világos, gyakorlatias megközelítése miatt, különösen a kezdők számára. Egyszerűsíti az összetett fogalmakat, és elkerüli a nehéz matematikai tartalmakat, miközben magával ragadó példákat kínál Python nyelven. Néhány olvasó azonban úgy érzi, hogy hiányzik belőle egy átfogó útmutató a tanulási környezet beállításáról, különösen a Jupyterrel, és több gyakorlati projekt közvetlen futtatására lehet szükségük.
Előnyök:⬤ A gépi tanulás fogalmainak világos és gyakorlatias bemutatása.
⬤ Kevés matematikai háttérrel rendelkező abszolút kezdők számára is elérhető.
⬤ Nem hivatalos és élvezetes írói stílus.
⬤ Magas minőségű példák, amelyek otthoni számítógépeken is futtathatók.
⬤ Pozitív visszajelzések a szerző kérdésekre való reagálásáról.
⬤ A környezet, különösen a Jupyter beállításához szükséges részletes útmutató hiánya.
⬤ Az olvasónak kézzel kell beírnia a Python kódot, ami egyesek számára megterhelő lehet.
⬤ Kevés gyakorlati projekt áll rendelkezésre.
(5 olvasói vélemény alapján)
Machine Learning with Python for Everyone
The Complete Beginner's Guide to Understanding and Building Machine Learning Systems with Python
Machine Learning with Python for Everyone segít elsajátítani a hatékony tanuló rendszerek építéséhez szükséges folyamatokat, mintákat és stratégiákat, még akkor is, ha teljesen kezdő vagy. Ha tudsz Python kódot írni, ez a könyv neked szól, függetlenül attól, hogy milyen kevés főiskolai szintű matematikát tudsz. Mark E. Fenner vezető oktató közérthető történetekre, képekre és Python példákra támaszkodik a gépi tanulás ötleteinek közvetítésében.
Mark a gépi tanulás és annak lehetőségeinek megvitatásával kezdi; a legfontosabb matematikai és számítási témákat közérthető módon mutatja be; és végigvezet a tanuló rendszerek építésének, képzésének és kiértékelésének első lépésein. Lépésről lépésre kitölti egy gyakorlati tanulási rendszer összetevőit, bővíti eszköztárát, és felfedezi a terület néhány kifinomult és izgalmas technikáját. Akár diák, elemző, tudós vagy hobbistaként dolgozik, ennek az útmutatónak a meglátásai minden olyan tanulási rendszerre alkalmazhatóak lesznek, amelyet valaha is épített vagy használt.
⬤ A gépi tanulás algoritmusainak, modelljeinek és a gépi tanulás alapvető fogalmainak megértése.
⬤ A példák osztályozása osztályozókkal, és a példák számszerűsítése regresszorokkal.
⬤ Reálisan értékelje a gépi tanulási rendszerek teljesítményét.
⬤ Használja a jellemzőtervezést a durva adatok hasznos formákká való simítására.
⬤ Láncoltasson több komponenst egy rendszerbe, és hangolja annak teljesítményét.
⬤ Masinatanulási technikák alkalmazása képekre és szövegekre.
⬤ Kapcsolja az alapfogalmakat neurális hálózatokhoz és grafikus modellekhez.
⬤ Használja a Python scikit-learn könyvtárat és más hatékony eszközöket.
Regisztrálja a könyvet, hogy kényelmesen hozzáférhessen a letöltésekhez, frissítésekhez és/vagy javításokhoz, amint azok elérhetővé válnak. A részleteket lásd a könyv belsejében.