Olvasói vélemények
Összegzés:A könyv vegyes értékeléseket kapott a felhasználóktól, egyesek dicsérik a kezdők számára való hozzáférhetőségét, míg mások kritizálják a minőségét és a bemutatását.
Előnyök:⬤ Jól megírt és könnyen követhető, különösen a minimális programozási tapasztalattal rendelkezők számára
⬤ Jupyter notebook kódfájlokat tartalmaz a gyakorlatias tanuláshoz
⬤ valós példákat mutat be, amelyek segítik a megértést.
Hátrányok:⬤ Számos elgépelés és ellentmondás a kódleírásban
⬤ hiányos a lektorálás és rosszul megírtnak tűnik
⬤ tudományos célokra alkalmatlannak minősítették.
(4 olvasói vélemény alapján)
Eredeti címe:
Hands-On Data Science and Python Machine Learning: Perform data mining and machine learning efficiently using Python and Spark
Könyv tartalma:
Ez a könyv tömören és dinamikusan mutatja be a Python nyelven történő gépi tanulás alapjait. Az Apache Spark segítségével történő adatbányászattal és nagyméretű gépi tanulással foglalkozik.
Főbb jellemzők
⬤ Tegye meg első lépéseit az adattudomány világában az adatelemzés eszközeinek és technikáinak megértésével.
⬤ Tréningeljen hatékony gépi tanulási modelleket Pythonban a felügyelt és a felügyelet nélküli tanulási módszerek segítségével.
⬤ Tanulja meg, hogyan használhatja az Apache Sparkot a Big Data hatékony feldolgozásához.
Könyv leírása
Csatlakozzon Frank Kane-hez, aki az Amazon és az IMDb gépi tanulási algoritmusain dolgozott, és vezesse Önt az első lépéseken az adattudomány világába. A Hands-On Data Science and Python Machine Learning megadja azokat az eszközöket, amelyekre a terület alapvető témáinak megértéséhez és felfedezéséhez szüksége van, valamint a magabiztosságot és a gyakorlatot ahhoz, hogy saját gépi tanulási modelleket építsen és elemezzen. Frank Kane érdekes és könnyen követhető gyakorlati példák segítségével úgy magyarázza el az olyan potenciálisan összetett témákat, mint a Bayes-módszerek és a K-means klaszterezés, hogy azokat bárki megérthesse.
A Frank sikeres adattudományi tanfolyamán alapuló Hands-On Data Science and Python Machine Learning lehetővé teszi az adatelemzés elvégzését és a hatékony gépi tanulást Python használatával. Hagyja, hogy Frank segítsen feltárni az adataiból az értéket a Pythonban elérhető különböző adatbányászati és adatelemzési technikák segítségével, és hatékony előrejelző modelleket fejleszteni a jövőbeli eredmények előrejelzéséhez. Azt is megtanulhatja, hogyan végezhet nagyméretű gépi tanulást nagyméretű adatokon az Apache Spark segítségével. A könyv kitér az adatok elemzésre való előkészítésére, a gépi tanulási modellek betanítására és a végleges adatelemzés vizualizálására.
Amit tanulni fog
⬤ Tanulja meg, hogyan tisztítsa meg adatait és készítse elő azokat az elemzéshez.
⬤ A népszerű klaszterezési és regressziós módszerek implementálása Pythonban.
⬤ Egy hatékony gépi tanulási modellek képzése döntési fák és véletlen erdők segítségével.
⬤ Visualizálja az elemzés eredményeit a Python Matplotlib könyvtár segítségével.
⬤ Az Apache Spark MLlib csomagjának használata gépi tanulás végrehajtásához nagy adathalmazokon.
