Praktyczny Scikit-Learn dla aplikacji uczenia maszynowego: Podstawy nauki o danych w Pythonie

Ocena:   (3,9 na 5)

Praktyczny Scikit-Learn dla aplikacji uczenia maszynowego: Podstawy nauki o danych w Pythonie (David Paper)

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.

Dodatkowe informacje o książce:

ISBN:9781484253724
Autor:
Wydawca:
Język:angielski
Oprawa:Miękka oprawa

Zakup:

Obecnie dostępne, na stanie.

Inne książki autora:

Programowanie webowe dla biznesu: Programowanie obiektowe PHP z Oracle - Web Programming for...
Web Programming for Business: PHP Object-Oriented...
Programowanie webowe dla biznesu: Programowanie obiektowe PHP z Oracle - Web Programming for Business: PHP Object-Oriented Programming with Oracle
Tensorflow 2.X w chmurze Colaboratory Cloud: Wprowadzenie do głębokiego uczenia w chmurze Google -...
Użyj TensorFlow 2.x z produktem Google Colaboratory...
Tensorflow 2.X w chmurze Colaboratory Cloud: Wprowadzenie do głębokiego uczenia w chmurze Google - Tensorflow 2.X in the Colaboratory Cloud: An Introduction to Deep Learning on Google's Cloud Service
Najnowocześniejsze modele głębokiego uczenia w Tensorflow: Nowoczesne uczenie maszynowe w...
1. Tworzenie potoków danych wejściowych TensorFlow2. Zwiększanie...
Najnowocześniejsze modele głębokiego uczenia w Tensorflow: Nowoczesne uczenie maszynowe w ekosystemie Google Colab - State-Of-The-Art Deep Learning Models in Tensorflow: Modern Machine Learning in the Google Colab Ecosystem
Praktyczny Scikit-Learn dla aplikacji uczenia maszynowego: Podstawy nauki o danych w Pythonie -...
Aspirujący specjaliści w dziedzinie nauki o danych mogą...
Praktyczny Scikit-Learn dla aplikacji uczenia maszynowego: Podstawy nauki o danych w Pythonie - Hands-On Scikit-Learn for Machine Learning Applications: Data Science Fundamentals with Python
Podstawy nauki o danych w Pythonie i MongoDB - Data Science Fundamentals for Python and...
Zbuduj podstawowe umiejętności nauki o danych niezbędne do pracy i...
Podstawy nauki o danych w Pythonie i MongoDB - Data Science Fundamentals for Python and MongoDB

Prace autora wydały następujące wydawnictwa:

© Book1 Group - wszelkie prawa zastrzeżone.
Zawartość tej strony nie może być kopiowana ani wykorzystywana w całości lub w części bez pisemnej zgody właściciela.
Ostatnia aktualizacja: 2024.11.13 21:45 (GMT)