Ocena:
Książka stanowi wszechstronne wprowadzenie do uczenia maszynowego w Pythonie, równoważąc teorię i praktyczne kodowanie. Jest ona szczególnie korzystna dla osób posiadających średniozaawansowaną wiedzę z zakresu statystyki i programowania, choć może nie być odpowiednia dla zupełnie początkujących ze względu na swoją złożoność. Wielu użytkowników docenia jasne wyjaśnienia autorów, pomoce wizualne i praktyczne przykłady, podczas gdy niektórzy krytykują je za stromą krzywą uczenia się i niewystarczające szczegóły w obszarach.
Zalety:⬤ Doskonałe wyjaśnienia i wizualizacje
⬤ solidne dowody matematyczne
⬤ kompleksowe omówienie technik uczenia maszynowego
⬤ odpowiednia dla średnio zaawansowanych użytkowników
⬤ praktyczne przykłady z kodem Pythona
⬤ cenne uwagi z doświadczeń autorów
⬤ służy jako przydatne odniesienie do rozwiązywania problemów w uczeniu maszynowym.
⬤ Nie jest przyjazna dla początkujących
⬤ stroma krzywa uczenia się
⬤ niektórzy użytkownicy uważają ją za trudną do przyswojenia
⬤ sporadyczne problemy z jakością druku
⬤ problemy z użytecznością formatu Kindle
⬤ zbyt duży nacisk na algebrę liniową bez prostych wyjaśnień
⬤ niektóre treści mogą być przestarzałe lub pozbawione głębi w pewnych obszarach.
(na podstawie 107 opinii czytelników)
Python Machine Learning, Second Edition: Machine Learning and Deep Learning with Python, scikit-learn, and TensorFlow
Odblokuj nowoczesne techniki uczenia maszynowego i głębokiego uczenia w Pythonie, korzystając z najnowszych bibliotek Pythona o otwartym kodzie źródłowym.
Kluczowe cechy
⬤ Drugie wydanie bestsellerowej książki o uczeniu maszynowym.
⬤ Praktyczne podejście do kluczowych frameworków w nauce o danych, uczeniu maszynowym i uczeniu głębokim.
⬤ Wykorzystanie najpotężniejszych bibliotek Pythona do implementacji uczenia maszynowego i głębokiego uczenia.
⬤ Poznaj najlepsze praktyki, aby ulepszyć i zoptymalizować swoje systemy i algorytmy uczenia maszynowego.
Opis książki
.
Uwaga wydawcy: To wydanie z 2017 r. jest przestarzałe i nie jest kompatybilne z TensorFlow 2 ani żadną z najnowszych aktualizacji bibliotek Pythona. Nowa trzecia edycja, zaktualizowana na rok 2020 i zawierająca TensorFlow 2 oraz najnowsze rozwiązania z zakresu scikit-learn, reinforcement learning i GAN, została już opublikowana.
Uczenie maszynowe pochłania świat oprogramowania, a teraz uczenie głębokie rozszerza możliwości uczenia maszynowego. Zrozum i pracuj w czołówce uczenia maszynowego, sieci neuronowych i uczenia głębokiego dzięki drugiej edycji bestsellerowej książki Sebastiana Raschki, Python Machine Learning. Korzystając z otwartych bibliotek Pythona, książka ta oferuje praktyczną wiedzę i techniki potrzebne do tworzenia i współtworzenia uczenia maszynowego, głębokiego uczenia i nowoczesnej analizy danych.
W pełni rozszerzone i zmodernizowane wydanie drugie Python Machine Learning zawiera teraz popularną bibliotekę głębokiego uczenia TensorFlow 1.x. Kod scikit-learn został również w pełni zaktualizowany do wersji v0. 18. 1, aby uwzględnić ulepszenia i dodatki do tej wszechstronnej biblioteki uczenia maszynowego.
Unikalna wiedza i doświadczenie Sebastiana Raschki i Vahida Mirjalili wprowadzają od podstaw w algorytmy uczenia maszynowego i uczenia głębokiego oraz pokazują, jak zastosować je w praktycznych wyzwaniach branżowych, korzystając z realistycznych i interesujących przykładów. Pod koniec książki będziesz gotowy, aby sprostać nowym możliwościom analizy danych.
Jeśli czytałeś pierwsze wydanie tej książki, będziesz zachwycony równowagą klasycznych pomysłów i nowoczesnych spostrzeżeń na temat uczenia maszynowego. Każdy rozdział został krytycznie zaktualizowany i zawiera nowe rozdziały dotyczące kluczowych technologii. Będziesz mógł uczyć się i pracować z TensorFlow 1.x bardziej dogłębnie niż kiedykolwiek wcześniej, a także uzyskasz niezbędne informacje na temat biblioteki sieci neuronowych Keras, wraz z aktualizacjami do scikit-learn 0.18. 1.
Czego się nauczysz
⬤ Zrozumieć kluczowe ramy w nauce o danych, uczeniu maszynowym i głębokim uczeniu się.
⬤ Wykorzystać moc najnowszych bibliotek open source Pythona w uczeniu maszynowym.
⬤ Poznaj techniki uczenia maszynowego przy użyciu trudnych danych ze świata rzeczywistego.
⬤ Opanuj implementację głębokich sieci neuronowych przy użyciu biblioteki TensorFlow 1.x.
⬤ Poznanie mechaniki algorytmów klasyfikacji w celu wdrożenia najlepszego narzędzia do danego zadania.
⬤ Przewidywanie ciągłych wyników docelowych przy użyciu analizy regresji.
⬤ Odkryj ukryte wzorce i struktury w danych za pomocą klastrowania.
⬤ Zagłębić się w dane tekstowe i dane z mediów społecznościowych za pomocą analizy sentymentu.
Dla kogo jest ta książka
Jeśli znasz trochę Pythona i chcesz korzystać z uczenia maszynowego i głębokiego uczenia się, sięgnij po tę książkę. Niezależnie od tego, czy chcesz zacząć od zera, czy poszerzyć swoją wiedzę na temat uczenia maszynowego, jest to niezbędne i nie do pominięcia źródło informacji. Napisana z myślą o programistach i naukowcach zajmujących się danymi, którzy chcą tworzyć praktyczny kod uczenia maszynowego i głębokiego uczenia, książka ta jest idealna dla programistów i naukowców zajmujących się danymi, którzy chcą nauczyć komputery, jak uczyć się z danych.
