Введение в машинное обучение с помощью Python

Руководство для специалистов по работе с данными.

Андреас Мюллер, Сара Гвидо»Введение в машинное обучение с помощью Python» самиздат-перевод, 2017 год, 393стр. (13,2 мб. pdf), это перевод оригинального издания:

 

 


Introduction to Machine Learning with Python

 Andreas C. Mueller, Sarah Guido «Introduction to Machine Learning with Python» O’Reilly Media, 2016 год, 400 стр. ISBN:978-1-44936-941-5

В книге «Введение в машинное обучение с помощью Python» описывается, как можно самостоятельно и c удивительной легкостью создать модели машинного обучения (Machine Learning, ML). Прочитав эту книгу, вы сможете построить свою собственную систему машинного обучения, которая позволит манипулировать данными пользователей соц сетей или получать и прогнозировать актуальные вопросы информационного пространства.

Машинное обучение это одна из самых перспективных технологий в разработках различных коммерческих и исследовательских проектов, но это не значит, что только крупные компании могут работать в представленном направлении. Эта технология заключается в извлечении информации из данных. Это научная область, находящаяся на стыке статистических показателей, искусственного интеллекта и компьютерных наук.

Книга познакомит вас с практикой построения систем машинного обучения используя язык программирования Python, а область их применения ограничится лишь вашим воображением. Познакомитесь с библиотеками scikit-learn, NumPy и matplotlib от Python и научитесь извлекать полезную информацию при обработке массивов данных. Книга «Введение в машинное обучение с помощью Python» рассчитана на начинающих и не требует предварительных знаний в области машинного обучения или искусственного интеллекта, но знание основ программирования, а ещё лучше языка Python станет дополнительным фактором успешного обучения.

Основные направления представленные в книге:

  1. Понятия и область применения машинного обучения
  2. Плюсы и минусы широко используемых алгоритмов
  3. Способы загрузки и обработки данных
  4. Методы тонкая настройка параметров и оценки модели
  5. Построение конвейеров, объединение моделей и инкапсуляция рабочего потока
  6. Методы обработки текстовых данных
  7. Рекомендации по совершенствованию полученных знаний
Оглавление книги
Скачать техническую литературу бесплатно13,2 мб. pdf

Похожая литература