Olvasói vélemények
Jelenleg nincsenek olvasói vélemények. Az értékelés 15 olvasói szavazat alapján történt.
Eredeti címe:
Machine Learning Algorithms - Second Edition: Popular algorithms for data science and machine learning, 2nd Edition
Könyv tartalma:
Egy könnyen követhető, lépésről-lépésre követhető útmutató a gépi tanulási algoritmusok valós alkalmazásához
Főbb jellemzők
⬤ Tárja fel a statisztikát és a komplex matematikát az adatintenzív alkalmazásokhoz.
⬤ Fedezze fel az EM algoritmus, a PCA és a bayesi regresszió új fejlesztéseit.
⬤ Tanulmányozza a mintákat és készítsen előrejelzéseket különböző adathalmazokon keresztül.
Könyv leírása
A gépi tanulás óriási népszerűségre tett szert a nagy adathalmazokkal történő erőteljes és gyors előrejelzések miatt. A nagy teljesítményű kimenet mögött álló valódi erők azonban a jelentős statisztikai elemzést magában foglaló összetett algoritmusok, amelyek nagy adathalmazokat pörgetnek fel és jelentős felismeréseket generálnak.
A Gépi tanulási algoritmusok második kiadása végigvezeti Önt a gépi tanulási algoritmusokkal kapcsolatos kiemelkedő fejlesztési eredményeken, amelyek jelentős hozzájárulást jelentenek a gépi tanulás folyamatához, és segítenek a statisztikai értelmezés megerősítésében és elsajátításában a felügyelt, félig felügyelt és megerősített tanulás területein. Az algoritmusok alapfogalmainak elsajátítása után a legelterjedtebb könyvtárakon, például a scikit-learn, az NLTK, a TensorFlow és a Keras könyvtárakon alapuló valós példákkal ismerkedhet meg. Olyan új témákat fedezhetsz fel, mint a főkomponens-elemzés (PCA), a független komponenselemzés (ICA), a Bayes-regresszió, a diszkrimináns elemzés, a fejlett klaszterezés és a gauss-keverék.
A könyv végére tanulmányozni fogja a gépi tanulási algoritmusokat, és képes lesz arra, hogy azokat termelésbe állítsa, hogy innovatívabbá tegye a gépi tanulási alkalmazásait.
Amit tanulni fog
⬤ Tanulja a jellemzőválasztást és a jellemzőmérnöki folyamatot.
⬤ A lineáris regresszió teljesítmény- és hibaalkukapcsolatainak értékelése.
⬤ Adatmodellt épít és megérti, hogyan működik a különböző típusú algoritmusok használatával.
⬤ Tanulja meg a támogató vektoros gépek (SVM) paramétereinek hangolását.
⬤ Tudja meg a természetes nyelvi feldolgozás (NLP) és az ajánlórendszerek fogalmát.
⬤ Elkészítsen egy gépi tanulási architektúrát a semmiből.
Kinek szól ez a könyv
A Gépi tanulási algoritmusok Önnek szól, ha Ön gépi tanulási mérnök, adatmérnök vagy junior adattudós, aki a prediktív analitika és a gépi tanulás területén szeretne előrelépni. Az R és a Python ismerete további előnyt jelent, hogy a legtöbbet hozhassa ki ebből a könyvből.
