Praktyczne uczenie maszynowe z R

Opinie czytelników

Książka jest chwalona za jasne wyjaśnienia, praktyczne przykłady i kompleksowy przegląd koncepcji uczenia maszynowego, szczególnie w R. Wielu recenzentów podkreślało skuteczny styl nauczania autorów i dobrze zorganizowaną treść, która służy zarówno początkującym, jak i tym, którzy chcą utrwalić swoją wiedzę. W kilku recenzjach krytykowano jednak jakość wersji drukowanej, wskazując na problemy z trwałością, odwzorowaniem kolorów i ogólnymi wartościami produkcyjnymi, przez co wydawała się ona zbyt droga.

Przejrzyste wyjaśnienia i przykłady, praktyczne wskazówki, dokładne wprowadzenie do uczenia maszynowego z R, dobra organizacja treści i skuteczny styl nauczania autorów.

Słaba jakość druku, problemy z oprawą i czytelnością kolorowych grafik w czarno-białym druku oraz wysoka cena w stosunku do oferowanej jakości.

(na podstawie 11 opinii czytelników)

Oryginalny tytuł:

Hands-On Machine Learning with R

Zawartość książki:

Hands-on Machine Learning with R zapewnia praktyczne i stosowane podejście do uczenia się i rozwijania intuicji w najpopularniejszych obecnie metodach uczenia maszynowego. Książka ta służy jako praktyczny przewodnik po procesie uczenia maszynowego i ma na celu pomóc czytelnikowi nauczyć się stosować stos uczenia maszynowego w R, który obejmuje korzystanie z różnych pakietów R, takich jak glmnet, h2o, ranger, xgboost, keras i innych, aby skutecznie modelować i uzyskiwać wgląd w swoje dane. Książka preferuje podejście praktyczne, zapewniając intuicyjne zrozumienie koncepcji uczenia maszynowego poprzez konkretne przykłady i odrobinę teorii.

Dzięki tej książce czytelnik będzie miał styczność z całym procesem uczenia maszynowego, w tym z inżynierią cech, ponownym próbkowaniem, dostrajaniem hiperparametrów, oceną modelu i interpretacją. Czytelnik zapozna się z potężnymi algorytmami, takimi jak regresja regularna, lasy losowe, maszyny wzmacniające gradient, głębokie uczenie się, uogólnione modele niskiej rangi i wiele więcej! Preferując podejście praktyczne i wykorzystując rzeczywiste dane słowne, czytelnik zyska intuicyjne zrozumienie architektur i silników, które napędzają te algorytmy i pakiety, zrozumie, kiedy i jak dostroić różne hiperparametry oraz będzie w stanie zinterpretować wyniki modelu. Pod koniec tej książki czytelnik powinien mieć solidne zrozumienie stosu uczenia maszynowego R i być w stanie wdrożyć systematyczne podejście do tworzenia wysokiej jakości wyników modelowania.

Cechy:

- Oferuje praktyczne i praktyczne wprowadzenie do najpopularniejszych metod uczenia maszynowego.

- Poruszane tematy obejmują inżynierię cech, ponowne próbkowanie, głębokie uczenie się i nie tylko.

- Wykorzystuje praktyczne podejście i rzeczywiste dane.