Kézzelfogható felügyelt tanulás Pythonnal: Tanulja meg, hogyan oldjon meg gépi tanulási problémákat felügyelt tanulási algoritmusokkal Python segítségével

Olvasói vélemények

Jelenleg nincsenek olvasói vélemények. Az értékelés 10 olvasói szavazat alapján történt.

Eredeti címe:

Hands-on Supervised Learning with Python: Learn How to Solve Machine Learning Problems with Supervised Learning Algorithms Using Python

Könyv tartalma:

Kézzelfogható ML problémamegoldás és megoldások létrehozása Python segítségével.

Key Features

⬤  Bevezetés a Python programozásba.

⬤ Python for Machine Learning.

⬤ Bevezetés a gépi tanulásba.

⬤ Bevezetés a prediktív modellezésbe, felügyelt és nem felügyelt algoritmusok.

⬤ Lineáris regresszió, logisztikus regresszió és támogató vektor gépek.

Leírás

Megismerkedik a gépi tanulás alapjaival és a Python programozási posztjával, amely után megismerkedik a prediktív modellezéssel és a prediktív modellezés különböző módszereivel. Bemutatásra kerülnek a felügyelt tanulási algoritmusok és a felügyelet nélküli tanulási algoritmusok, valamint a köztük lévő különbség.

A felügyelt gépi tanulási algoritmusok tanulására fogunk összpontosítani, beleértve a lineáris regressziót, a logisztikus regressziót, a támogató vektor gépeket, a döntési fákat és a mesterséges neurális hálózatokat. Mindegyik algoritmus esetében nyílt forráskódú adathalmazokkal fogsz gyakorlati munkát végezni, és python programozással fogod programozni a gépi tanulási algoritmusokat. Megtanulja az adatok tisztítását és a jellemzők optimalizálását, hogy a legjobb eredményeket kapja a gépi tanulási modelljéből. Megismerkedsz a modelled pontosságát meghatározó különböző paraméterekkel, és megtudod, hogyan hangolhatod a modellt e paraméterek tükrözése alapján.

Mit fog tanulni?

⬤ Tisztán látja, hogy mi a gépi tanulás, és megismerkedik a gépi tanulás alapelveivel.

⬤ Megtanulja a Python nyelv-specifikus, a gépi tanuláshoz rendelkezésre álló könyvtárakat, és képes lesz dolgozni ezekkel a könyvtárakkal.

Fedezze fel a különböző felügyelt tanuláson alapuló algoritmusokat a Gépi tanulásban, és tudja, hogyan kell ezeket megvalósítani, amikor egy valós idejű felhasználási eset kerül Ön elé.

⬤ Kezdje meg az adatfeltárást, az adattisztítást, az adatelőfeldolgozást és a modell megvalósítását.

⬤ Tanulja meg a mélytanulás alapjait és néhány érdekes algoritmust ezen a területen.

⬤ Válassza ki a megfelelő modellt a problémafelvetés alapján, és dolgozzon EDA-technikákkal, hogy a modellje jó pontosságú legyen.

Kinek szól ez a könyv

Ez a könyv mindenkinek szól, aki érdeklődik a gépi tanulás megértése iránt. A kezdők, a gépi tanulással foglalkozó mérnökök és az adattudósok, akik meg akarnak ismerkedni a felügyelt tanulási algoritmusokkal, hasznosnak találják ezt a könyvet.

Tartalomjegyzék

1. Bevezetés a Python programozásba.

2. Python a gépi tanuláshoz.

3. Bevezetés a gépi tanulásba.

4. Felügyelt tanulás és felügyelet nélküli tanulás.

5. Lineáris regresszió: Gyakorlati útmutató 6. Logisztikus regresszió - bevezetés.

7. Betekintés a támogató vektor gépek (SVM) működésébe.

8. Döntési fák.

9. Véletlen fák.

10. Idősoros modellek a gépi tanulásban.

11. Bevezetés a neurális hálózatokba.

12. Rekurrens neurális hálózatok.

13. Konvolúciós neurális hálózatok.

14. Teljesítménymérők.

15. Bevezetés a tervezési gondolkodásba.

16. A tervezési gondolkodás esettanulmánya.