Értékelés:
A könyvet elsősorban a hozzáférhetősége és a gépi tanulásban kezdők számára való alkalmassága miatt dicsérik. Számos gyakorlati kódolási példát nyújt, és számos korszerű algoritmust tárgyal. Néhány haladó felhasználó azonban kritizálja, hogy nem elég mély, különösen a matematikai magyarázatok és az összetettebb témák tekintetében.
Előnyök:⬤ Hozzáférhető és könnyen olvasható a kezdők számára.
⬤ Sok gyakorlati példa a fogalmak illusztrálására.
⬤ Naprakész ML-algoritmusokat tartalmaz.
⬤ Jó bevezetést nyújt a Python Machine Learning és a SciKit-Learn programba.
⬤ Hiányzik a matematikai magyarázatok és a haladó témák mélysége.
⬤ Nem alkalmas haladó felhasználóknak vagy középfokú ismeretekkel rendelkezőknek.
⬤ Néhány felhasználó túl alapszintűnek találja a tartalmát.
⬤ Az anyagminőséget kritikák szerint gyenge.
(10 olvasói vélemény alapján)
Python Machine Learning
Ez a könyv a gépi tanulással foglalkozik, amely az utóbbi évek egyik legforróbb témája. Mivel a számítási teljesítmény exponenciálisan növekszik, a költségek pedig ezzel párhuzamosan csökkennek, nincs is jobb időszak a gépi tanulás számára. Az általában hatalmas feldolgozási teljesítményt igénylő gépi tanulási feladatok ma már asztali gépeken is megoldhatók. A gépi tanulás azonban nem a gyengéknek való - jó statisztikai alapokat, valamint programozási ismereteket igényel. Ez a kódintenzív könyv arra ösztönzi az olvasókat, hogy mindkét témakörben kipróbáljanak különböző példákat, amelyeket úgy terveztek, hogy kompaktak, mégis könnyen követhetők és érthetők legyenek. Az olvasók az alapvető témák, például a gépi tanulás és az adattudomány bevezetése után vághatnak bele. Az olvasók minden egyes tanulási algoritmus esetében egy valós forgatókönyv segítségével mutatják be, hogy a gépi tanulás hogyan használható az adott probléma megoldásához.
Ez a könyv a következő alapvető témák lefedésével segíti az olvasókat a Python gépi tanulásban való elindulásban:
Bevezetés a gépi tanulásba.
Gépi tanulás algrothmusai.
⬤ Regresszió.
⬤ Besorolások.
⬤ Klaszterezés.
⬤ Anomália-felismerés.
Gépi tanulási modellek webszolgáltatásként történő telepítése.
Bevezetés a Python adattudományba.
Python könyvtárak az adattudomány számára.
⬤ Numpy.
⬤ Pandas.
⬤ Matplotib.
Kezdő lépések a Scikit-learnnel.
