Machine Learning for Streaming Data with Python: Gyorsan építsen gyakorlati online gépi tanulási megoldásokat a River és más kulcsfontosságú keretrendszerek segítségével

Olvasói vélemények

Joos Korstanje „Machine Learning for Streaming Data with Python” című könyve átfogó bevezetést nyújt az online gépi tanulásba a River könyvtár segítségével. Az elméleti koncepciókat és a streaming adatok kezelésének gyakorlati alkalmazásait tárgyalja, és különböző, hatékonyan működő kódpéldákat kínál. Míg egyes recenzensek dicsérték a könyv szervezettségét és mélységét, mások kritizálták, hogy nem tartalmaz részletes, streaming-specifikus tartalmat, és alapvető információkat mutat be.

Jól strukturált és szervezett tartalom.

Elméleti és gyakorlati ismereteket egyaránt nyújt.

(9 olvasói vélemény alapján)

Eredeti címe:

Machine Learning for Streaming Data with Python: Rapidly build practical online machine learning solutions using River and other top key frameworks

Könyv tartalma:

Alkalmazza a gépi tanulást a streaming adatokra gyakorlati példák segítségével, és kezelje a streaminggel kapcsolatos kihívásokat

Főbb jellemzők:

⬤ Munkálkodjon olyan streaming felhasználási eseteken, amelyeket a legtöbb adattudományi kurzuson nem tanítanak.

⬤ Tapasztalatszerzés a streaming adatokhoz használt legkorszerűbb eszközökkel.

⬤ Foglalkozzon különféle kihívásokkal a streaming adatok kezelése során.

Könyv leírása:

A streaming adat az új csúcstechnológia, amelyre az adattudomány és a gépi tanulás területén figyelni kell. Ahogy az üzleti igények egyre igényesebbé válnak, számos felhasználási eset valós idejű elemzést, valamint valós idejű gépi tanulást igényel. Ez a könyv segít eligazodni az adatelemzésben a streaming adatok esetében, és nagy hangsúlyt fektet a gépi tanulás és más elemzések streaming adatok esetére való adaptálására.

Először a streaming és a valós idejű gépi tanulás architektúráját ismerheti meg. Ezután megnézi a streaming adatokhoz használt legkorszerűbb keretrendszereket, mint például a River. A későbbi fejezetek a streaming adatok különböző ipari felhasználási eseteire, például az online anomália-felismerésre és más esetekre összpontosítanak. A fejezet előrehaladtával különböző kihívásokat fedez fel, és megtanulja, hogyan lehet ezeket enyhíteni. Ezen túlmenően olyan legjobb gyakorlatokat is meg fog tanulni, amelyek segítségével az adatfolyam-adatokat valós idejű meglátások létrehozására használhatja.

A könyv végére elnyeri a szükséges magabiztosságot ahhoz, hogy az adatfolyamadatokat gépi tanulási modelljeiben felhasználhassa.

Amit tanulni fog:

⬤ Megérti a streaming adatokkal való munka kihívásait és előnyeit.

⬤ Termékáramló adatokból valós idejű meglátások kidolgozása.

⬤ Tanulja meg az adatfolyam-adatok megvalósítását különböző felhasználási esetekkel, hogy növelje tudását.

⬤ Kifejlesszen egy olyan PCA alternatívát, amely képes valós idejű adatokon dolgozni.

⬤ Tudja meg az áramló adatok kezelésére vonatkozó legjobb gyakorlatokat, amelyeket feltétlenül meg kell jegyeznie.

⬤ Kifejlesszen egy API-t a valós idejű gépi tanulási következtetésekhez.

Kinek szól ez a könyv:

Ez a könyv olyan adattudósoknak és gépi tanulással foglalkozó mérnököknek szól, akik rendelkeznek gépi tanulással kapcsolatos háttérrel, gyakorlat- és technológiaorientáltak, és gyakorlati példákon keresztül, modern technológiákkal szeretnék megtanulni, hogyan alkalmazzuk a gépi tanulást a streaming adatokra. Bár a Python és a gépi tanulás alapfogalmainak ismerete elengedhetetlen, a streaminggel kapcsolatos előzetes ismeretek nem szükségesek.