Olvasói vélemények
Összegzés:A könyv vegyes értékeléseket kap a felhasználóktól, sokan dicsérik a gépi tanulás és a Python programozás kezdőbarát megközelítését, míg mások kritizálják a mélység hiányát és az anyagok elérésével kapcsolatos logisztikai problémákat.
Előnyök:- A Python és a gépi tanulás abszolút kezdők számára is alkalmas lépésről lépésre történő útmutatás.
Hátrányok:- Gyakorlati, gyakorlatias megközelítés kódolási példákkal és gyakorlatokkal
(15 olvasói vélemény alapján)
Eredeti címe:
Python Machine Learning for Beginners: Learning from scratch NumPy, Pandas, Matplotlib, Seaborn, Scikitlearn, and TensorFlow for Machine Learning and
Könyv tartalma:
Python gépi tanulás kezdőknek.
A gépi tanulás (ML) és a mesterséges intelligencia (AI) itt van, hogy maradjon. Igen, így van. Jelentős mennyiségű adat és bizonyíték alapján nyilvánvaló, hogy az ML és az AI itt van, hogy maradjon. Nézzünk meg ma bármelyik iparágat. Az ML gyakorlati alkalmazásai valóban az üzleti eredményeket segítik elő. Legyen szó az egészségügyről, az e-kereskedelemről, a kormányzatról, a közlekedésről, a közösségi médiaoldalakról, a pénzügyi szolgáltatásokról, a gyártásról, az olaj- és gáziparról, a marketingről és az értékesítésrőlMindegy. A lista folytatható. Kétségtelen, hogy az ML a jövőben minden területen meghatározó szerepet fog játszani. De mit csinál egy gépi tanulással foglalkozó szakember? Egy Machine Learning szakember intelligens algoritmusokat fejleszt, amelyek adatokból tanulnak, és gyorsan alkalmazkodnak is az adatokhoz. Ezután ezek a csúcskategóriás algoritmusok pontos előrejelzéseket készítenek.
A Python Machine Learning for Beginners gyakorlatias megközelítést mutat be az ML gyors elsajátításához.
Miben más ez a könyv?
Az AI Publishing erősen hisz a tanulás általi tanulás módszertanában. Ezt szem előtt tartva gondosan készítettük el ezt a könyvet. Azt fogja tapasztalni, hogy a gépi tanulás elméleti szempontjainak hangsúlyozása megegyezik a gyakorlati szempontok hangsúlyozásával. A könyv első felében részletesen megismerkedhet az adatelemzéssel és a vizualizációval. Majd a második felében a gépi tanulással és az adattudomány statisztikai modelljeivel ismerkedhet meg. Minden fejezet bemutatja a különböző adattudományi és gépi tanulási technikák mögött álló elméleti kereteket, és gyakorlati példák szemléltetik e technikák működését. Ha megvásárolja ezt a könyvet, a tanulási útja sokkal könnyebbé válik. Ennek oka, hogy a könyvvel együtt bemutatott összes kapcsolódó tananyaghoz - hivatkozások, PDF-ek, Python-kódok és gyakorlatok - azonnali hozzáférést kap a kiadó weboldalán. Mindezek az anyagok külön költség nélkül állnak az Ön rendelkezésére. A könyvben használt ML-adatkészleteket futás közben letöltheti, vagy a Resources/Datasets mappán keresztül hozzáférhet hozzájuk. A második fejezetben található, a Python programozásról szóló rövid tanfolyamot is rendkívül hasznosnak fogja találni, különösen, ha még nem ismeri a Pythont. Mivel ez a könyv hozzáférést biztosít az összes Python-kódhoz és adatkészlethez, csak egy internetkapcsolattal rendelkező számítógéphez kell hozzáférnie ahhoz, hogy elkezdhesse a munkát.
A tárgyalt témák a következők:
⬤ Bevezetés és a környezet beállítása.
⬤ Python gyorstalpaló tanfolyam.
⬤ Python NumPy könyvtár adatelemzéshez.
⬤ Bevezetés a Pandas könyvtárba az adatelemzéshez.
⬤ Adatok vizualizálása a Matplotlib, Seaborn és Pandas könyvtárak segítségével.
⬤ Regressziós problémák megoldása ML-ben a Sklearn könyvtár használatával.
⬤ Klasszifikációs problémák megoldása az ML-ben a Sklearn könyvtár használatával.
⬤ Adatok klaszterezése ML segítségével a Sklearn könyvtár használatával.
⬤ Mélyreható tanulás Python TensorFlow 2. 0-val.
⬤ Dimenzionalitáscsökkentés PCA és LDA segítségével a Sklearn segítségével.
Kattintson a VÁSÁRLÁS gombra, hogy megkezdje a gépi tanulás útját.
