Machine learning, python i data science. wprowadzenie (Helion)

Uczenie maszynowe kojarzy się z obszernymi firmami i rozbudowanymi zespołami. Prawda jest taka,aktualnie można samodzielnie generować zaawansowane rozwiązania uczenia maszynowego i korzystać do woli z olbrzymich zasobów dostępnych informacji.

Trzeba tylko posiadać pomysł i... Trochę podstawowej wiedzy. Tymczasem większość opracowań na temat uczenia maszynowego i nienaturalnej inteligencji wymaga biegłości w nowoczesnej matematyce. Utrudnia to naukę tego zagadnienia, mimo że uczenie maszynowe jest coraz powszechniej stosowane w projektach badawczych i komercyjnych.

Ta użyteczna książka ułatwi Ci rozpoczęcie wdrażania rozwiązań rzeczywistych problemów związanych z uczeniem maszynowym. Zawiera dostępne wprowadzenie do uczenia maszynowego i nienaturalnej inteligencji i sposoby zastosowania Pythona i biblioteki scikit-learn, uwzględniające zapotrzebowania badaczy i analityków , a także inżynierów pracujących nad aplikacjami komercyjnymi.

Zagadnienia matematyczne ograniczono tu do potrzebnego minimum, zamiast tego skoncentrowano się na funkcjonalnych aspektach algorytmów uczenia maszynowego. Starannie opisano, jak solidnie można skorzystać z szerokiej gamy modeli zaimplementowanych w przystępnych bibliotekach.

W książce między innymi: podstawowe informacje o uczeniu maszynowym najważniejsze algorytmy uczenia maszynowego przetwarzanie danych w uczeniu maszynowym ocena modelu i dostrajanie parametrów łańcuchy modeli i hermetyzacja przepływu pracy przetwarzanie informacji tekstowych Python i uczenie maszynowe: programowanie do zadań specjalnych!

Powyższy opis pochodzi od wydawcy.