Dátová veda laicky: Strojové učenie v zrozumiteľnej reči

Pôvodný názov:

Data Science in Layman's Terms: Machine Learning

Obsah knihy:

Strojové učenie je jednou z najrýchlejšie sa rozvíjajúcich oblastí v poslednom desaťročí. Stroje, ktoré sa dokážu učiť, sa stávajú súčasťou nášho každodenného života. Stroje, ktoré vykazujú inteligenciu a schopnosť učiť sa, sú poháňané matematikou a algoritmami. Tieto témy nemusia byť zložité. Táto kniha učí základným poznatkom o všetkom, čo súvisí so strojovým učením, aby si dátoví vedci na začiatočníckej alebo stredne pokročilej úrovni mohli rozšíriť svoje zručnosti a aby zvedaví intelektuáli získali prehľad o tejto oblasti.

Táto kniha poskytuje úplný prehľad strojového učenia. Nadväzuje na informácie uvedené v jej predchodkyni Data Science in Layman's Terms: Štatistika. V knihe je dosiahnutá rovnováha medzi ľahko čitateľnou učebnicou a učebnicou zameranou na teóriu tým, že najprv sa koncepčne predstavia myšlienky na vysokej úrovni a potom sa ponorí do detailov a matematiky. Každú kapitolu sprevádzajú praktické príklady s jazykom Python, prípadne R. Materiál v prvej polovici knihy je usporiadaný lineárne, pričom každá kapitola nadväzuje na poznatky z predchádzajúcich kapitol. Druhá polovica knihy sa zaoberá podoblasťami strojového učenia, ako je spracovanie prirodzeného jazyka, počítačové videnie, posilňovanie učenia a sieťová veda.

Niektoré z praktických aplikácií, ktoré sa z tejto knihy naučíte, sú:

- Skonštruovať simulovaného agenta, ktorý hrá hry bez akýchkoľvek inštrukcií, a sledovať, ako sa sám učí hrať.

- Aplikovať rozpoznávanie tváre na fotografie a videá v reálnom čase.

- Vykonať analýzu trhového koša a zhlukovanie s cieľom zlepšiť marketingovú účinnosť alebo zlepšiť nákupný zážitok zákazníka.

- Identifikujte podobnú hudbu len pomocou zvuku.

- Generujte realisticky vyzerajúce tváre anime postáv.

- Identifikujte abstraktné témy v textových dokumentoch a analyzujte, ako sa menia názory na rôzne témy v priebehu času.

- Predvídať dvojice ľudí, ktorí sa môžu čoskoro spojiť v sociálnej sieti, a skúmať, ako sa siete menia v čase.

- Konverzia skenov alebo obrázkov dokumentov na text.

- Naučte sa vytvárať neurónové siete pomocou Keras a skúmať ich pomocou TensorBoard, aby ste zistili, ako by sa dali zlepšiť.

Repozitár GitHub sprevádzajúci túto knihu nájdete na adrese: https: //github.com/nlinc1905/dsilt-ml-code.