Mélytanulás strukturált adatokkal

Olvasói vélemények

A könyv a gépi tanulásban kezdők számára készült, és olyan alapvető témákat tárgyal, mint az adattisztítás és a valós adathalmazok kezelése. Azonban azok számára, akik már ismerik a gépi tanulást, és mélyreható mélytanulási tartalomra vágynak, alulmarad, mivel csak két fejezetet szentel a mélytanulásnak, és a tárgyalásai nem eléggé komplexek.

⬤ Alkalmas a gépi tanulással kezdők számára
⬤ alapos lefedettség az adattisztítással és a valós adathalmazokkal kapcsolatos kihívásokkal
⬤ gyakorlati példák a modellek telepítésére és a kiegyensúlyozatlan adatok kezelésére.

⬤ Nem eléggé mély a mélytanulás témáiban
⬤ két fejezetre korlátozódik a mélytanulással kapcsolatban
⬤ egyszerűbb adatkészleteket használ (pl. MNIST), amelyek nem feltétlenül illeszkednek a könyv címéhez
⬤ a mélytanulási modellek antiklimatikus teljesítménye a hagyományos modellekhez, például az XGBoosthoz képest.

(3 olvasói vélemény alapján)

Eredeti címe:

Deep Learning with Structured Data

Könyv tartalma:

A Deep Learning with Structured Data megtanítja a táblázatos adatok és a relációs adatbázisok hatékony adatelemzési technikáit.

Összefoglaló

A mélytanulás lehetőséget kínál a mindenféle adatban elrejtett összetett minták és kapcsolatok azonosítására. A Deep Learning with Structured Data megmutatja, hogyan alkalmazhat erőteljes mélytanulási elemzési technikákat olyan strukturált, táblázatos adatokra, amelyeket a relációs adatbázisokban talál, és amelyektől a valós világ vállalkozásai függnek. A gyakorlatias, releváns alkalmazásokkal teli könyv megtanítja, hogyan egészítheti ki a mélytanulás a meglévő gépi tanulási és üzleti intelligencia-rendszereket.

A nyomtatott könyv megvásárlása magában foglalja a Manning Publications ingyenes e-könyvét PDF, Kindle és ePub formátumban.

A technológiáról

Íme egy piszkos titok: A legtöbb adattudományi projektben az idő fele az adatok tisztításával és előkészítésével telik. De van egy jobb módszer is: A táblázatos adatokra és relációs adatbázisokra optimalizált mélytanulási technikák intenzív funkciótervezés nélkül nyújtanak betekintést és elemzést. Tanulja meg azokat a készségeket, amelyekkel sokkal kevesebb adatszűréssel, validálással és súrolással felszabadíthatja a mélytanulási teljesítményt.

A könyvről

A Deep Learning with Structured Data megtanítja a táblázatos adatok és a relációs adatbázisok hatékony adatelemzési technikáit. Kezdje el a tanulást egy, a torontói közlekedési rendszeren alapuló adatkészlet segítségével. Ahogy végigdolgozza a könyvet, megtanulja, milyen egyszerű a táblázatos adatok mélytanuláshoz való beállítása, miközben megoldja az olyan létfontosságú termelési problémákat, mint a telepítés és a teljesítményfigyelés.

Mi van benne?

Mikor és hol érdemes mélytanulást használni.

Egy Keras mélytanulási modell felépítése.

A modellek képzése, telepítése és karbantartása.

A teljesítmény mérése.

Az olvasóról

Középfokú Python- és gépi tanulási ismeretekkel rendelkező olvasóknak.

A szerzőről

Mark Ryan az Intact Biztosító adattudományi vezetője. A Torontói Egyetemen szerzett mesterdiplomát informatikából.

Tartalomjegyzék

1 Miért mélytanulás strukturált adatokkal?

2 Bevezetés a példaproblémához és a Pandas adatkeretekhez.

3 Az adatok előkészítése, 1. rész: Az adatok feltárása és tisztítása.

4 Az adatok előkészítése, 2. rész: Az adatok átalakítása.

5 A modell előkészítése és felépítése.

6 A modell képzése és kísérletek futtatása.

7 További kísérletek a betanított modellel.

8 A modell telepítése.

9 Ajánlott következő lépések.