Ocena:
Książka „Machine Learning for Streaming Data with Python” autorstwa Joosa Korstanje stanowi kompleksowe wprowadzenie do uczenia maszynowego online z wykorzystaniem biblioteki River. Obejmuje ona koncepcje teoretyczne i praktyczne zastosowania do obsługi danych strumieniowych, oferując różne przykłady kodu, które działają wydajnie. Podczas gdy niektórzy recenzenci chwalili jej organizację i głębię, inni krytykowali ją za brak szczegółowych treści dotyczących streamingu i prezentowanie podstawowych informacji.
Zalety:Dobrze zorganizowana i uporządkowana treść.
Wady:Dostarcza zarówno wiedzy teoretycznej, jak i praktycznej.
(na podstawie 9 opinii czytelników)
Machine Learning for Streaming Data with Python: Rapidly build practical online machine learning solutions using River and other top key frameworks
Zastosuj uczenie maszynowe do danych strumieniowych za pomocą praktycznych przykładów i radź sobie z wyzwaniami związanymi z przesyłaniem strumieniowym
Kluczowe cechy:
⬤ Praca nad przypadkami użycia strumieniowego, które nie są nauczane w większości kursów nauki o danych.
⬤ Zdobądź doświadczenie z najnowocześniejszymi narzędziami do strumieniowego przesyłania danych.
⬤ Poradzenie sobie z różnymi wyzwaniami podczas obsługi danych strumieniowych.
Opis książki:
Strumieniowe przesyłanie danych to nowa technologia, na którą należy zwrócić uwagę w dziedzinie nauki o danych i uczenia maszynowego. Ponieważ potrzeby biznesowe stają się coraz bardziej wymagające, wiele przypadków użycia wymaga analizy w czasie rzeczywistym, a także uczenia maszynowego w czasie rzeczywistym. Ta książka pomoże ci przyspieszyć analizę danych dla danych strumieniowych i skupić się na dostosowaniu uczenia maszynowego i innych analiz do przypadku danych strumieniowych.
Najpierw poznasz architekturę strumieniowego przesyłania danych i uczenia maszynowego w czasie rzeczywistym. Następnie przyjrzymy się najnowocześniejszym frameworkom do strumieniowego przesyłania danych, takim jak River. Późniejsze rozdziały skupią się na różnych przemysłowych przypadkach użycia danych strumieniowych, takich jak wykrywanie anomalii online i inne. W miarę postępów odkryjesz różne wyzwania i dowiesz się, jak im zaradzić. Ponadto poznasz najlepsze praktyki, które pomogą Ci wykorzystać dane strumieniowe do generowania spostrzeżeń w czasie rzeczywistym.
Pod koniec tej książki zyskasz pewność siebie, której potrzebujesz, aby przesyłać strumieniowo dane w swoich modelach uczenia maszynowego.
Czego się nauczysz:
⬤ Zrozumieć wyzwania i zalety pracy z danymi strumieniowymi.
⬤ Rozwijać wgląd w czasie rzeczywistym z danych strumieniowych.
⬤ Zrozumieć implementację danych strumieniowych z różnymi przypadkami użycia, aby zwiększyć swoją wiedzę.
⬤ Opracowanie alternatywy PCA, która może pracować na danych w czasie rzeczywistym.
⬤ Zapoznanie się z najlepszymi praktykami w zakresie obsługi danych strumieniowych, o których należy bezwzględnie pamiętać.
⬤ Opracowanie interfejsu API do wnioskowania w uczeniu maszynowym w czasie rzeczywistym.
Dla kogo jest ta książka:
Ta książka jest przeznaczona dla analityków danych i inżynierów uczenia maszynowego, którzy mają doświadczenie w uczeniu maszynowym, są zorientowani na praktykę i technologię oraz chcą dowiedzieć się, jak zastosować uczenie maszynowe do danych strumieniowych na praktycznych przykładach z wykorzystaniem nowoczesnych technologii. Chociaż zrozumienie podstawowych koncepcji Pythona i uczenia maszynowego jest koniecznością, nie jest wymagana wcześniejsza wiedza na temat przesyłania strumieniowego.
