Машинное обучение с использованием Python. Сборник рецептов. Практические решения от предобработки до глубокого обучения. 2 изд

Коротко и по делу о том, что важно знать про обучения.

Рассмотрена работа с языком Python, библиотеками pandas и scikit-learn. Книга содержит около 200 задач машинного обучения, таких как загрузка и обработка текстовых или числовых данных, отбор модели и многие другие. Коды примеров можно вставлять, объединять и адаптировать, создавая собственное приложение. Приведены рецепты решений с использованием: векторов, матриц и массивов; данных из CSV, JSON, SQL, баз данных, облачных хранилищ и других источников; обработки данных, текста, изображений, дат и времени; умень-шения размерности и методов выделения или отбора признаков; оценивания и отбора моделей; линейной и логистической регрессии, деревьев, лесов и k ближайших соседей; опорно-векторных машин (SVM), наивных байесовых классификаторов, кластеризации и нейронных сетей; сохранения и загрузки натренированных моделей.Во втором издании все примеры обновлены, рассмотрены задачи и фреймворки глубокого обучения, расширены разделы с тензорами, нейронными сетями и библиотекой глубокого обучения PyTorch.

Для разработчиков систем машинного обучения

Если вы не чувствуете себя уверенно в области основных понятий машинного обучения либо никогда не проводили время за изучением машинного обучения, то не покупайте эту книгу. В книге Вы найдете рецепты для:векторов, матриц и массивов;работы с данными из CSV, JSON, SQL, базами данных, облачными хранилищами и другими источниками;обработки числовых и категориальных данных, текста, изображений, дат и времени;уменьшения размерности с использованием методов выделения или отбора признаков;оценивания и отбора моделей;сохранения и загрузки натренированных моделей.Научитесь решать задачи с использованием:линейной и логистической регрессии, деревьев, лесов и k ближайших соседей;опорно-векторных машин (SVM), наивных байесовых классификаторов, кластеризации и нейронных сетей.Для кого предназначена книгаДанная книга не является введением в машинное (само)обучение. Она предназначена для практикующих специалистов машинного обучения, которые, чувствуя себя комфортно с теорией и понятиями машинного обучения, извлекут пользу из краткого справочника, содержащего программный код для решения задач, с которыми они сталкиваются, работая ежедневно с машинным обучением.

Если вы незнакомы с такими понятиями, как перекрестная проверка, случайный лес и градиентный спуск, то вы, вероятно, не извлечете из этой книги такой же пользы, которую можно получить от одного из многих высококачественных текстов, специально предназначенных для ознакомления с этой темой. Для кого не предназначена книгаДанная книга не должна быть вашим первым изданием по этой теме. Я рекомендую прочитать одну из таких книг, а затем вернуться к этой книге, чтобы узнать рабочие, практические решения для задач машинного обучения.

Файл доступен для загрузки ниже.