Opinie czytelników
Podsumowanie:Książka jest ogólnie postrzegana jako praktyczny i przystępny przewodnik dla początkujących i średnio zaawansowanych użytkowników uczenia maszynowego. Oferuje jasne przykłady i instrukcje krok po kroku dotyczące kodowania. Jednak niektórzy czytelnicy krytykują ją za to, że jest słabo napisana, brakuje w niej wyjaśnień i zawiera powtarzające się treści.
Zalety:Książka jest przyjazna dla użytkownika i odpowiednia dla początkujących i średnio zaawansowanych. Zawiera gotowe do użycia przykłady ze standardowymi zestawami danych Pythona, jasne instrukcje kodowania i pomocne wyjaśnienia, które zwiększają zrozumienie optymalizacji danych. Jest również bardzo przydatna w przemyśle i badaniach naukowych.
Wady:Niektóre recenzje wskazują, że jest słabo napisana, z brakiem odpowiednich wyjaśnień dotyczących kodów i modeli oraz że zawiera powtarzające się sformułowania. Istnieją wzmianki o długich fragmentach kodu bez wystarczającego kontekstu, co może dezorientować niektórych czytelników.
(na podstawie 5 opinii czytelników)
Oryginalny tytuł:
Hands-On Scikit-Learn for Machine Learning Applications: Data Science Fundamentals with Python
Zawartość książki:
Aspirujący specjaliści w dziedzinie nauki o danych mogą dzięki tej książce nauczyć się biblioteki Scikit-Learn wraz z podstawami uczenia maszynowego. Książka łączy dystrybucję Anaconda Python z popularną biblioteką Scikit-Learn, aby zademonstrować szeroką gamę nadzorowanych i nienadzorowanych algorytmów uczenia maszynowego. Zadbano o to, aby przeprowadzić użytkownika przez zasady uczenia maszynowego za pomocą przejrzystych przykładów napisanych w Pythonie, które można wypróbować i eksperymentować z nimi w domu na własnym komputerze.
W książce omówiono wszystkie umiejętności z zakresu matematyki stosowanej i programowania wymagane do opanowania treści. Dogłębna wiedza na temat programowania obiektowego nie jest wymagana, ponieważ przedstawiono i wyjaśniono działające i kompletne przykłady. Przykłady kodowania są dogłębne i złożone, gdy jest to konieczne. Są one również zwięzłe, dokładne i kompletne oraz uzupełniają wprowadzone koncepcje uczenia maszynowego. Praca z przykładami pomaga budować umiejętności niezbędne do zrozumienia i zastosowania złożonych algorytmów uczenia maszynowego.
Hands-on Scikit-Learn for Machine Learning Applications jest doskonałym punktem wyjścia dla tych, którzy chcą rozpocząć karierę w dziedzinie uczenia maszynowego. Studenci tej książki nauczą się podstaw, które są warunkiem wstępnym kompetencji. Czytelnicy zapoznają się z dystrybucją Pythona Anaconda, która została zaprojektowana specjalnie dla profesjonalistów zajmujących się nauką o danych, i zbudują umiejętności w popularnej bibliotece Scikit-Learn, która leży u podstaw wielu aplikacji uczenia maszynowego w świecie Pythona.
Czego się nauczysz
⬤ Pracy z prostymi i złożonymi zestawami danych typowymi dla Scikit-Learn.
⬤ Manipulować danymi do postaci wektorów i macierzy w celu przetwarzania algorytmicznego.
⬤ Zapoznać się z dystrybucją Anaconda używaną w nauce o danych.
⬤ Zastosowanie uczenia maszynowego z klasyfikatorami, regresorami i redukcją wymiarowości.
⬤ Dostrajanie algorytmów i znajdowanie najlepszych algorytmów dla każdego zbioru danych.
⬤ Ładowanie danych i zapisywanie ich w formatach CSV, JSON, Numpy i Pandas.
Dla kogo jest ta książka
Aspirujący naukowiec zajmujący się danymi, pragnący włamać się do uczenia maszynowego poprzez opanowanie podstawowych podstaw, które są czasami pomijane w pośpiechu, aby być produktywnym. Pewna wiedza na temat programowania obiektowego i bardzo podstawowa algebra liniowa ułatwią naukę, chociaż każdy może skorzystać z tej książki.
