Praktické strojové učenie s R

Recenzie čitateľov

Kniha je chválená za jasné vysvetlenia, praktické príklady a komplexný prehľad konceptov strojového učenia, najmä v jazyku R. Mnohí recenzenti vyzdvihli efektívny štýl výučby autorov a dobre štruktúrovaný obsah, ktorý poslúži začiatočníkom aj tým, ktorí si chcú upevniť svoje znalosti. Niekoľko recenzií však kritizovalo kvalitu tlačenej verzie, pričom uvádzali problémy s trvanlivosťou, reprodukciou farieb a celkovými produkčnými hodnotami, vďaka čomu sa im zdala predražená.

Jasné vysvetlenia a príklady, praktické tipy, dôkladný úvod do strojového učenia s R, dobrá organizácia obsahu a efektívny vyučovací štýl autorov.

Slabá kvalita tlače, problémy s väzbou a čitateľnosťou farebnej grafiky pri čiernobielej tlači a drahá za poskytovanú kvalitu.

(na základe 11 čitateľských recenzií)

Pôvodný názov:

Hands-On Machine Learning with R

Obsah knihy:

Hands-on Machine Learning with R poskytuje praktický a aplikovaný prístup k učeniu a rozvíjaniu intuície v oblasti najpopulárnejších metód strojového učenia. Táto kniha slúži ako praktický sprievodca procesom strojového učenia a má pomôcť čitateľovi naučiť sa aplikovať zásobník strojového učenia v rámci jazyka R, ktorý zahŕňa používanie rôznych balíkov jazyka R, ako sú glmnet, h2o, ranger, xgboost, keras a ďalšie, na efektívne modelovanie a získavanie poznatkov z údajov. Kniha uprednostňuje praktický prístup a poskytuje intuitívne pochopenie konceptov strojového učenia prostredníctvom konkrétnych príkladov a len trocha teórie.

V tejto knihe sa čitateľ oboznámi s celým procesom strojového učenia vrátane tvorby príznakov, prevzorkovania, ladenia hyperparametrov, hodnotenia modelov a interpretácie. Čitateľ sa zoznámi s výkonnými algoritmami, ako sú regularizovaná regresia, náhodné lesy, gradient boosting stroje, hlboké učenie, zovšeobecnené modely s nízkym rangom a ďalšie! Vďaka uprednostňovaniu praktického prístupu a používaniu reálnych slovných údajov čitateľ intuitívne pochopí architektúry a motory, ktoré riadia tieto algoritmy a balíky, pochopí, kedy a ako ladiť rôzne hyperparametre, a bude schopný interpretovať výsledky modelov. Na konci tejto knihy by mal čitateľ pevne ovládať zásobník strojového učenia R a byť schopný implementovať systematický prístup na vytváranie kvalitných výsledkov modelovania.

Vlastnosti:

- Ponúka praktický a aplikovaný úvod do najpopulárnejších metód strojového učenia.

- Medzi pokryté témy patrí feature engineering, resampling, deep learning a ďalšie.

- Využíva praktický prístup a údaje z reálneho sveta.