Gépi tanulás Pythonnal mindenkinek

Olvasói vélemények

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.

⬤ 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)

Eredeti címe:

Machine Learning with Python for Everyone

Könyv tartalma:

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.