Hodnotenie:
Kniha slúži ako užitočný úvod do strojového učenia so zameraním na praktickú implementáciu pomocou jazyka Python a knižnice scikit-learn. Je určená začiatočníkom a mladším dátovým vedcom, ktorí sa chcú zoznámiť s viacerými algoritmami a ich aplikáciami. Kniha však bola kritizovaná za svoju organizáciu a hĺbku.
Výhody:⬤ Výborná pre začiatočníkov bez matematického vzdelania.
⬤ Poskytuje praktické príklady a aplikácie z reálneho života.
⬤ Zameriava sa na široko používanú knižnicu scikit-learn.
⬤ Pokrýva algoritmy učenia pod dohľadom aj bez dohľadu.
⬤ Ponúka jasné vysvetlenia, ktoré pomáhajú pochopiť zložité koncepty.
⬤ Vhodné pre dátových vedcov, ktorí sa chcú zdokonaliť vo svojich zručnostiach.
⬤ Organizácia obsahu je trochu zmätočná, niektoré dôležité témy sú umiestnené mimo poradia.
⬤ V niektorých oblastiach chýba hĺbka
⬤ niektoré dôležité koncepty a algoritmy sú vynechané.
⬤ Chýba slovník na rýchle vyhľadávanie pojmov
⬤ namiesto toho sa spolieha na index.
⬤ Naznačuje, že pokrýva všetko, ale nedosahuje úplné zvládnutie témy.
(na základe 4 čitateľských recenzií)
Hands-On Machine Learning with scikit-learn and Scientific Python Toolkits: A practical guide to implementing supervised and unsupervised machine lear
Integrovať scikit-learn s rôznymi nástrojmi, ako sú NumPy, pandas, imbalanced-learn a scikit-surprise, a používať ho na riešenie reálnych problémov strojového učenia
Kľúčové vlastnosti
⬤ Ponorte sa do strojového učenia s týmto komplexným sprievodcom scikit-learn a vedeckým Pythonom.
⬤ Ovládnite umenie riešenia problémov založených na údajoch pomocou praktických príkladov.
⬤ Podporujte svoje teoretické a praktické znalosti o algoritmoch strojového učenia pod dohľadom a bez dohľadu.
Popis knihy
Strojové učenie sa uplatňuje všade, od podnikania až po výskum a akademickú sféru, pričom scikit-learn je univerzálna knižnica, ktorá je obľúbená medzi odborníkmi na strojové učenie. Táto kniha slúži ako praktická príručka pre každého, kto chce poskytovať praktické riešenia strojového učenia pomocou scikit-learn a sady nástrojov Python.
Kniha sa začína vysvetlením pojmov a základov strojového učenia a dosahuje rovnováhu medzi teoretickými koncepciami a ich aplikáciami. Každá kapitola sa zaoberá iným súborom algoritmov a ukazuje, ako ich použiť na riešenie skutočných problémov. Na praktických príkladoch sa tiež dozviete o rôznych kľúčových algoritmoch strojového učenia pod dohľadom a bez dohľadu. Či už ide o algoritmus inštančného učenia, Bayesov odhad, hlbokú neurónovú sieť, stromový súbor alebo odporúčací systém, dôkladne pochopíte jeho teóriu a naučíte sa, kedy ho použiť. Postupne sa naučíte, ako pracovať s neoznačenými údajmi a kedy použiť rôzne algoritmy zhlukovania a detekcie anomálií.
Na konci tejto knihy o strojovom učení sa naučíte, ako využiť prístup založený na údajoch na poskytovanie komplexných riešení strojového učenia. Zistíte tiež, ako formulovať daný problém, pripraviť potrebné údaje a vyhodnotiť a nasadiť modely v produkcii.
Čo sa naučíte
⬤ Pochopiť, kedy použiť algoritmy učenia pod dohľadom, bez dohľadu alebo posilňovania.
⬤ Zistiť, ako zbierať a pripravovať údaje pre úlohy strojového učenia.
⬤ Pracujte s nevyváženými údajmi a optimalizujte svoj algoritmus pre kompromis medzi skreslením a rozptylom.
⬤ Používajte kontrolované a nekontrolované algoritmy na riešenie rôznych výziev strojového učenia.
⬤ Využívajte osvedčené postupy na ladenie hyperparametrov vášho algoritmu.
⬤ Zistite, ako používať neurónové siete na klasifikáciu a regresiu.
⬤ Zostavte, vyhodnoťte a nasaďte svoje riešenia strojového učenia do produkcie.
Pre koho je táto kniha určená
Táto kniha je určená pre dátových vedcov, odborníkov na strojové učenie a všetkých, ktorí sa chcú naučiť, ako fungujú algoritmy strojového učenia, a vytvoriť rôzne modely strojového učenia pomocou ekosystému Python. Kniha vám pomôže posunúť vaše znalosti o strojovom učení na vyššiu úroveň tým, že pochopíte jeho zákutia a prispôsobíte ho svojim potrebám. Vyžaduje sa pracovná znalosť jazyka Python a základné pochopenie základných matematických a štatistických pojmov.