Uczenie nadzorowane w Pythonie: Koncepcje i praktyczna implementacja przy użyciu Pythona

Opinie czytelników

Obecnie brak opinii czytelników. Ocena opiera się na 2 głosach.

Oryginalny tytuł:

Supervised Learning with Python: Concepts and Practical Implementation Using Python

Zawartość książki:

Zdobądź dogłębne zrozumienie algorytmów uczenia nadzorowanego, opracowując przypadki użycia w Pythonie. Zapoznasz się z koncepcjami uczenia nadzorowanego, kodem Pythona, zbiorami danych, najlepszymi praktykami, rozwiązywaniem typowych problemów i pułapek oraz praktyczną wiedzą na temat wdrażania algorytmów dla ustrukturyzowanych, a także tekstowych i graficznych zbiorów danych.

Zaczniesz od wprowadzenia do uczenia maszynowego, podkreślając różnice między uczeniem nadzorowanym, pół-nadzorowanym i nienadzorowanym. W kolejnych rozdziałach poznasz problemy regresji i klasyfikacji, matematykę stojącą za nimi, algorytmy takie jak regresja liniowa, regresja logistyczna, drzewa decyzyjne, KNN, Nave Bayes oraz zaawansowane algorytmy takie jak Random Forest, SVM, Gradient Boosting i sieci neuronowe. Dla wszystkich algorytmów dostępna jest implementacja w języku Python. Na zakończenie przedstawiony zostanie kompleksowy proces tworzenia modelu, w tym jego wdrożenie i utrzymanie.

Po przeczytaniu Supervised Learning with Python będziesz miał szeroką wiedzę na temat nadzorowanego uczenia się i jego praktycznej implementacji, a także będziesz w stanie uruchomić kod i rozszerzyć go w innowacyjny sposób.

Czego się nauczysz

⬤ Przegląd podstawowych bloków konstrukcyjnych i koncepcji uczenia nadzorowanego przy użyciu Pythona.

⬤ Opracowywanie rozwiązań uczenia nadzorowanego dla danych strukturalnych, a także tekstu i obrazów.

⬤ Rozwiązywanie problemów związanych z nadmiernym dopasowaniem, inżynierią cech, czyszczeniem danych i walidacją krzyżową w celu budowania najlepiej dopasowanych modeli.

⬤ Zrozumienie kompleksowego cyklu modelowania od definicji problemu biznesowego do wdrożenia i utrzymania modelu.

⬤ Unikanie typowych pułapek i przestrzeganie najlepszych praktyk podczas tworzenia nadzorowanego modelu uczenia się przy użyciu Pythona.

Dla kogo jest ta książka

Naukowcy zajmujący się danymi lub analitycy danych zainteresowani najlepszymi praktykami i standardami uczenia nadzorowanego oraz wykorzystaniem algorytmów klasyfikacji i technik regresji do opracowywania modeli predykcyjnych.