Opinie czytelników
Podsumowanie:Książka otrzymuje mieszane recenzje od użytkowników, z których wielu chwali jej przyjazne dla początkujących podejście do uczenia maszynowego i programowania w Pythonie, podczas gdy inni krytykują jej brak głębi i pewne kwestie logistyczne związane z dostępem do materiałów.
Zalety:- Wskazówki krok po kroku odpowiednie dla absolutnie początkujących w Pythonie i uczeniu maszynowym
Wady:- Praktyczne, praktyczne podejście z przykładami kodowania i ćwiczeniami
(na podstawie 15 opinii czytelników)
Oryginalny tytuł:
Python Machine Learning for Beginners: Learning from scratch NumPy, Pandas, Matplotlib, Seaborn, Scikitlearn, and TensorFlow for Machine Learning and
Zawartość książki:
Uczenie maszynowe w Pythonie dla początkujących.
Uczenie maszynowe (ML) i sztuczna inteligencja (AI) są tutaj na stałe. Tak, to prawda. W oparciu o znaczną ilość danych i dowodów oczywiste jest, że uczenie maszynowe i sztuczna inteligencja są tutaj na stałe. Weźmy pod uwagę dowolną branżę. Praktyczne zastosowania ML naprawdę napędzają wyniki biznesowe. Niezależnie od tego, czy jest to opieka zdrowotna, handel elektroniczny, rząd, transport, portale społecznościowe, usługi finansowe, produkcja, ropa i gaz, marketing i sprzedaż - można wymienić wszystko. Lista jest długa. Nie ma wątpliwości, że uczenie maszynowe odegra w przyszłości decydującą rolę w każdej dziedzinie. Czym jednak zajmuje się specjalista ds. uczenia maszynowego? Specjalista ds. uczenia maszynowego opracowuje inteligentne algorytmy, które uczą się na podstawie danych i szybko się do nich dostosowują. Następnie te wysokiej klasy algorytmy dokonują dokładnych prognoz.
Python Machine Learning dla początkujących prezentuje praktyczne podejście do szybkiej nauki ML.
Czym różni się ta książka?
AI Publishing mocno wierzy w metodologię uczenia się przez działanie. Mając to na uwadze, starannie opracowaliśmy tę książkę. Przekonasz się, że nacisk na teoretyczne aspekty uczenia maszynowego jest równy naciskowi na praktyczne aspekty tematu. W pierwszej połowie książki dowiesz się szczegółowo o analizie danych i wizualizacji. Następnie, w drugiej połowie, dowiesz się o uczeniu maszynowym i modelach statystycznych dla nauki o danych. Każdy rozdział przedstawia teoretyczne podstawy różnych technik nauki o danych i uczenia maszynowego, a praktyczne przykłady ilustrują działanie tych technik. Kupując tę książkę, twoja podróż edukacyjna staje się o wiele łatwiejsza. Powodem jest natychmiastowy dostęp do wszystkich powiązanych materiałów edukacyjnych przedstawionych w tej książce - referencji, plików PDF, kodów Python i ćwiczeń - na stronie internetowej wydawcy. Wszystkie te materiały są dostępne bez dodatkowych kosztów. Zbiory danych ML używane w tej książce można pobrać w czasie wykonywania lub uzyskać do nich dostęp za pośrednictwem folderu Resources/Datasets. Niezwykle przydatny okaże się również krótki kurs programowania w języku Python, który znajduje się w drugim rozdziale, zwłaszcza jeśli jesteś nowym użytkownikiem tego języka. Ponieważ niniejsza książka zapewnia dostęp do wszystkich kodów i zbiorów danych Pythona, do rozpoczęcia pracy wystarczy dostęp do komputera z Internetem.
Omawiane tematy obejmują:
⬤ Wprowadzenie i konfiguracja środowiska.
⬤ Szybki kurs Python.
⬤ Biblioteka NumPython do analizy danych.
⬤ Wprowadzenie do biblioteki Pandas do analizy danych.
⬤ Wizualizacja danych za pomocą bibliotek Matplotlib, Seaborn i Pandas.
⬤ Rozwiązywanie problemów regresji w ML przy użyciu biblioteki Sklearn.
⬤ Rozwiązywanie problemów klasyfikacji w ML przy użyciu biblioteki Sklearn.
⬤ Klastrowanie danych z wykorzystaniem ML przy użyciu biblioteki Sklearn.
⬤ Głębokie uczenie z wykorzystaniem Python TensorFlow 2.0.
⬤ Redukcja wymiarowości za pomocą PCA i LDA przy użyciu Sklearn.
Kliknij przycisk KUP TERAZ, aby rozpocząć swoją przygodę z uczeniem maszynowym.
