Valós világbeli gépi tanulás

Olvasói vélemények

A könyv gyakorlati útmutatót nyújt a gépi tanuláshoz, áthidalva az elméleti koncepciók és a valós alkalmazások közötti szakadékot. Alkalmas azok számára, akik rendelkeznek némi programozási ismerettel, különösen Pythonban, és számos példát és kódrészletet kínál a gyakorlati tanuláshoz. Vannak azonban kritikák a matematikai részletek mélységével és a kódok bemutatásával kapcsolatos problémákkal kapcsolatban.

⬤ Jól szervezett és világosan bemutatott
⬤ nagyszerű a gyakorlati szakemberek számára
⬤ jó példák és gyakorlati lépések
⬤ nem szükséges átfogó matematikai háttér
⬤ középszintű fejlesztők számára is alkalmas
⬤ gyakorlatias megközelítés kódpéldákkal
⬤ az ML valós problémáival foglalkozik.

⬤ Hiányzik a matematikai részletek mélysége
⬤ néhány kódrészlet rosszul átgondoltnak tűnik, és hibákat tartalmazhat
⬤ fekete-fehér ábrákon való bemutatás
⬤ nem biztos, hogy alkalmas haladó felhasználóknak vagy azoknak, akik elméleti mélységeket keresnek
⬤ néhány olvasó felületesnek találja.

(17 olvasói vélemény alapján)

Eredeti címe:

Real-World Machine Learning

Könyv tartalma:

Összefoglaló

A Real-World Machine Learning egy gyakorlati útmutató, amelynek célja, hogy megtanítsa a dolgozó fejlesztőknek az ML-projektek kivitelezésének művészetét. Anélkül, hogy túladagolná az akadémiai elméletet és a bonyolult matematikát, bemutatja a gépi tanulás mindennapi gyakorlatát, felkészítve Önt a nagy teljesítményű ML-rendszerek sikeres építésére és telepítésére.

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

A technológiáról

A gépi tanulási rendszerek segítségével olyan értékes meglátásokat és mintákat találhat az adatokban, amelyeket hagyományos módszerekkel soha nem ismerne fel. A való világban az ML-technikák lehetőséget adnak a trendek azonosítására, a viselkedés előrejelzésére és tényeken alapuló ajánlások készítésére. Ez egy forró és növekvő terület, és a naprakész ML-fejlesztőkre nagy a kereslet.

A könyvről

A Real-World Machine Learning megtanítja azokat a fogalmakat és technikákat, amelyekre szükséged van ahhoz, hogy sikeres gépi tanulással foglalkozó szakember legyél, anélkül, hogy túladagolnád magad az elvont elméletekkel és a bonyolult matematikával. Azonnal releváns példák Python nyelven történő feldolgozásával készségeket szerezhet az adatgyűjtés és -modellezés, az osztályozás és a regresszió területén. Olyan fontos feladatokat is felfedezel, mint a modell validálása, optimalizálás, skálázhatóság és valós idejű streaming. Ha végzett, készen áll majd arra, hogy sikeresen felépítse, telepítse és karbantartsa saját nagy teljesítményű ML-rendszereit.

What's Inside

⬤ A jövőbeli viselkedés előrejelzése.

⬤ Teljesítményértékelés és optimalizálás.

⬤ Az érzelmek elemzése és ajánlások készítése.

Az olvasóról

Nem feltételez előzetes gépi tanulási tapasztalatot. Az olvasóknak ismerniük kell a Python nyelvet.

A szerzőkről

Henrik Brink, Joseph Richards és Mark Fetherolf tapasztalt adattudósok, akik a gépi tanulás mindennapi gyakorlatával foglalkoznak.

Tartalomjegyzék

1. RÉSZ: A GÉPI TANULÁS MUNKAFOLYAMATA.

⬤ Mi a gépi tanulás?

⬤ Világbeli adatok.

⬤ Modellezés és előrejelzés.

⬤ Modellértékelés és optimalizálás.

⬤ Az alapvető jellemzőtervezés.

2. RÉSZ: GYAKORLATI ALKALMAZÁS.

⬤ Példa: New York-i taxi adatok.

⬤ Előrelátó funkciótechnika.

⬤ Hosszabb NLP példa: filmkritika-érzelem.

⬤ Masinatanulási munkafolyamatok skálázása.

⬤ Példa: digitális display hirdetések.