Recenzie čitateľov
Zhrnutie:Kniha poskytuje ucelený úvod do strojového učenia s jazykom Python, v ktorom je vyvážená teória a praktické kódovanie. Je prínosná najmä pre tých, ktorí majú stredne pokročilé znalosti štatistiky a programovania, hoci pre svoju zložitosť nemusí byť vhodná pre úplných začiatočníkov. Mnohí používatelia oceňujú jasné vysvetlenia, vizuálne pomôcky a praktické príklady autorov, zatiaľ čo niektorí ju kritizujú za strmú krivku učenia a nedostatočné podrobnosti v jednotlivých oblastiach.
Výhody:⬤ Vynikajúce vysvetlenia a vizualizácie
⬤ silné matematické dôkazy
⬤ komplexné pokrytie techník strojového učenia
⬤ vhodné pre stredne pokročilých používateľov
⬤ praktické príklady s kódom v jazyku Python
⬤ cenné poznámky zo skúseností autorov
⬤ slúži ako užitočná príručka na riešenie problémov v strojovom učení.
Nevýhody:⬤ Nie je vhodná pre začiatočníkov
⬤ strmá krivka učenia
⬤ pre niektorých používateľov ťažko stráviteľná
⬤ občasné problémy s kvalitou tlače
⬤ problémy s použiteľnosťou formátu Kindle
⬤ prílišné zameranie na lineárnu algebru bez jednoduchých vysvetlení
⬤ niektorý obsah môže byť zastaraný alebo v niektorých oblastiach nedostatočne hlboký.
(na základe 107 čitateľských recenzií)
Pôvodný názov:
Python Machine Learning, Second Edition: Machine Learning and Deep Learning with Python, scikit-learn, and TensorFlow
Obsah knihy:
Odhaľte moderné techniky strojového učenia a hlbokého učenia v jazyku Python pomocou najnovších špičkových open source knižníc pre Python.
Kľúčové vlastnosti
⬤ Druhé vydanie najpredávanejšej knihy o strojovom učení.
⬤ Praktický prístup ku kľúčovým rámcom v oblasti dátovej vedy, strojového učenia a hlbokého učenia.
⬤ Využívanie najvýkonnejších knižníc jazyka Python na implementáciu strojového učenia a hlbokého učenia.
⬤ Zoznámte sa s najlepšími postupmi na zlepšenie a optimalizáciu systémov a algoritmov strojového učenia.
Popis knihy
.
Poznámka vydavateľa: Toto vydanie z roku 2017 je zastarané a nie je kompatibilné s TensorFlow 2 ani so žiadnou z najnovších aktualizácií knižníc jazyka Python. Teraz vyšlo nové tretie vydanie, aktualizované na rok 2020, ktoré obsahuje TensorFlow 2 a najnovšie technológie scikit-learn, reinforcement learning a GAN.
Strojové učenie sa prehlbuje vo svete softvéru a teraz sa strojové učenie rozširuje o hlboké učenie. Pochopte a pracujte na špičke strojového učenia, neurónových sietí a hlbokého učenia s týmto druhým vydaním bestselleru Sebastiana Raschku, Strojové učenie v jazyku Python. S využitím otvorených knižníc jazyka Python ponúka táto kniha praktické znalosti a techniky, ktoré potrebujete na vytváranie a prispievanie k strojovému učeniu, hlbokému učeniu a modernej analýze dát.
Úplne rozšírené a zmodernizované druhé vydanie knihy Python Machine Learning teraz obsahuje populárnu knižnicu TensorFlow 1. x pre hlboké učenie. Kód scikit-learn bol tiež plne aktualizovaný na verziu 0. 18. 1, aby zahŕňal vylepšenia a doplnenia tejto všestrannej knižnice strojového učenia.
Jedinečný prehľad a odborné znalosti Sebastiana Raschku a Vahida Mirjaliliho vás od základov oboznámia s algoritmami strojového učenia a hlbokého učenia a na realistických a zaujímavých príkladoch vám ukážu, ako ich aplikovať na praktické priemyselné výzvy. Na konci knihy budete pripravení čeliť novým možnostiam analýzy údajov.
Ak ste čítali prvé vydanie tejto knihy, poteší vás rovnováha klasických myšlienok a moderných poznatkov o strojovom učení. Každá kapitola bola kriticky aktualizovaná a pribudli nové kapitoly o kľúčových technológiách. Budete sa môcť učiť a pracovať s TensorFlow 1. x hlbšie ako kedykoľvek predtým a získate základné pokrytie knižnice neurónových sietí Keras spolu s aktualizáciami scikit-learn 0. 18. 1.
Čo sa naučíte
⬤ Poznáte kľúčové rámce v oblasti dátovej vedy, strojového učenia a hlbokého učenia.
⬤ Využite silu najnovších open source knižníc Pythonu v oblasti strojového učenia.
⬤ Preskúmať techniky strojového učenia s využitím náročných reálnych údajov.
⬤ Ovládnuť implementáciu hlbokých neurónových sietí pomocou knižnice TensorFlow 1. x.
⬤ Oboznámte sa s mechanikou klasifikačných algoritmov s cieľom implementovať najlepší nástroj pre danú úlohu.
⬤ Predpovedať spojité cieľové výsledky pomocou regresnej analýzy.
⬤ Odhaliť skryté vzory a štruktúry v údajoch pomocou zhlukovania.
⬤ Ponorte sa hlbšie do textových údajov a údajov sociálnych médií pomocou analýzy sentimentu.
Pre koho je táto kniha určená
Ak ovládate Python a chcete používať strojové učenie a hlboké učenie, vyberte si túto knihu. Či už chcete začať od nuly alebo rozšíriť svoje znalosti strojového učenia, je to nevyhnutný a neprehliadnuteľný zdroj informácií. Táto kniha je napísaná pre vývojárov a dátových vedcov, ktorí chcú vytvárať praktický kód strojového učenia a hlbokého učenia, je ideálna pre vývojárov a dátových vedcov, ktorí chcú naučiť počítače učiť sa z dát.
