Hands-On Machine Learning with scikit-learn and Scientific Python Toolkits: Gyakorlati útmutató a felügyelt és felügyelet nélküli gépi tanulás megvalósításához

Olvasói vélemények

A könyv hasznos bevezetés a gépi tanulásba, a Python és a scikit-learn könyvtár használatával történő gyakorlati megvalósításra összpontosítva. Kezdőknek és kezdő adattudósoknak szól, akik számos algoritmust és azok alkalmazását szeretnék megismerni. A könyvet azonban kritika érte a szervezés és a mélység miatt.

⬤ Kitűnő matematikai háttérrel nem rendelkező kezdőknek.
⬤ Gyakorlati példákat és valós alkalmazásokat kínál.
⬤ A széles körben használt scikit-learn könyvtárra összpontosít.
⬤ Mind a felügyelt, mind a felügyelet nélküli tanulási algoritmusokkal foglalkozik.
⬤ Világos magyarázatokat kínál, amelyek segítenek az összetett fogalmak megértésében.
⬤ Alkalmas a készségeiket fejleszteni kívánó adattudósok számára.

⬤ A tartalom szervezése kissé zavaros, néhány fontos témát nem sorrendben helyeztek el.
⬤ Hiányzik a mélység bizonyos területeken
⬤ Néhány fontos fogalom és algoritmus kimaradt.
⬤ Nincs szójegyzék a gyors kifejezéskereséshez
⬤ helyette indexre támaszkodik.
⬤ Azt sugallja, hogy mindent lefed, de nem teszi teljesen elsajátíthatóvá a témát.

(4 olvasói vélemény alapján)

Eredeti címe:

Hands-On Machine Learning with scikit-learn and Scientific Python Toolkits: A practical guide to implementing supervised and unsupervised machine lear

Könyv tartalma:

A scikit-learn integrálása különböző eszközökkel, mint például a NumPy, pandas, imbalanced-learn és scikit-surprise, és használata valós gépi tanulási problémák megoldására

Főbb jellemzők

⬤ Vetkőzzön bele a gépi tanulásba ezzel a scikit-learn és a tudományos Python átfogó útmutatójával.

⬤ Mestereld el az adatvezérelt problémamegoldás művészetét gyakorlati példákkal.

⬤ Elősítse elméleti és gyakorlati ismereteit a felügyelt és nem felügyelt gépi tanulási algoritmusokról.

Könyvismertető

A gépi tanulást mindenhol alkalmazzák, az üzleti életben, a kutatásban és a tudományos életben, a scikit-learn pedig egy sokoldalú könyvtár, amely népszerű a gépi tanulást alkalmazók körében. Ez a könyv gyakorlati útmutatóként szolgál mindazok számára, akik a scikit-learn és a Python eszközkészlet segítségével gyakorlatias gépi tanulási megoldásokat szeretnének nyújtani.

A könyv a gépi tanulás fogalmainak és alapjainak magyarázatával kezdődik, és egyensúlyt teremt az elméleti fogalmak és azok alkalmazásai között. Minden fejezet más-más algoritmusokat tárgyal, és bemutatja, hogyan használhatja azokat valós problémák megoldására. A gyakorlati példákon keresztül megismerkedhet a különböző kulcsfontosságú felügyelt és felügyelet nélküli gépi tanulási algoritmusokkal is. Legyen szó egy példányalapú tanulási algoritmusról, Bayes-féle becslésről, mély neurális hálózatról, faalapú együttesről vagy ajánlórendszerről, alapos ismereteket szerezhet az elméletéről, és megtanulhatja, mikor kell alkalmazni. Ahogy haladsz előre, megtanulod, hogyan kezeld a címkézetlen adatokat, és mikor használj különböző klaszterező és anomália-felismerő algoritmusokat.

A gépi tanulásról szóló könyv végére megtanulja, hogyan lehet adatvezérelt megközelítéssel végponttól végpontig tartó gépi tanulási megoldásokat nyújtani. Azt is megtudja majd, hogyan fogalmazza meg az adott problémát, hogyan készítse elő a szükséges adatokat, és hogyan értékelje és telepítse a modelleket a termelésben.

Amit megtanulhat

⬤ Megérti, hogy mikor használjon felügyelt, felügyelet nélküli vagy megerősített tanulási algoritmusokat.

⬤ Tudja meg, hogyan gyűjtse és készítse elő az adatait a gépi tanulási feladatokhoz.

⬤ Kezelje a kiegyensúlyozatlan adatokat, és optimalizálja algoritmusát az elfogultság vagy a variancia kompromisszumára.

⬤ Felügyelt és felügyelet nélküli algoritmusok alkalmazása a különböző gépi tanulási kihívások leküzdésére.

⬤ A legjobb gyakorlatok alkalmazása az algoritmus hiperparamétereinek hangolásához.

⬤ Találja meg, hogyan használjon neurális hálózatokat osztályozásra és regresszióra.

⬤ Építse meg, értékelje és telepítse a gépi tanulási megoldásait a termelésben.

Kinek szól ez a könyv

Ez a könyv adattudósoknak, gépi tanulással foglalkozó szakembereknek és mindenkinek szól, aki meg akarja tanulni, hogyan működnek a gépi tanulási algoritmusok, és különböző gépi tanulási modelleket szeretne építeni a Python ökoszisztéma segítségével. A könyv segít abban, hogy a gépi tanulással kapcsolatos ismereteidet a következő szintre emeld, megragadva annak minden csínját-bínját, és a saját igényeidre szabva. A Python nyelv munkaképes ismerete és a mögöttes matematikai és statisztikai fogalmak alapvető megértése szükséges.