Recenzie čitateľov
Zhrnutie:Kniha je chválená za vynikajúci a stručný úvod do strojového učenia, ale bola kritizovaná za to, že obsahuje množstvo chýb, najmä pre začiatočníkov, čo vedie k frustrácii. V jednej recenzii sa pozitívne hodnotí dizajn a kvalita materiálov.
Výhody:⬤ Stručný úvod do strojového učenia
⬤ dobre navrhnutý s kvalitnými materiálmi
⬤ poskytuje podporné zdroje pre začiatočníkov
⬤ priaznivá skúsenosť s nákupom pre niektorých čitateľov.
Nevýhody:⬤ Obsahuje veľa chýb, ktoré môžu frustrovať začiatočníkov
⬤ slabá podpora vydavateľa a ťažkosti pri sťahovaní e-kníh
⬤ negatívna skúsenosť vedúca k vráteniu pre niektorých čitateľov.
(na základe 3 čitateľských recenzií)
Pôvodný názov:
Python Scikit-Learn for Beginners: Scikit-Learn Specialization for Data Scientist
Obsah knihy:
Python pre dátových vedcov - špecializácia Scikit-Learn.
Scikit-Learn, známy aj ako Sklearn, je bezplatná knižnica s otvoreným zdrojovým kódom pre strojové učenie (ML) používaná v jazyku Python. Vo februári 2010 bola táto knižnica prvýkrát zverejnená. A za necelé tri roky sa stala jednou z najpopulárnejších knižníc strojového učenia na Githube. Scikit-learn je najlepším miestom, kde môžete začať, ak chcete získať prístup k ľahko použiteľným, špičkovým implementáciám populárnych algoritmov. Táto knižnica urýchľuje vývoj modelov ML. Hlavnými funkciami knižnice Scikit-learn sú regresné, klasifikačné a zhlukovacie algoritmy (náhodné lesy, K-means, gradient boosting, DBSCAN A podporné vektorové stroje). Knižnica Scikit-learn sa dobre integruje aj s ďalšími knižnicami jazyka Python, ako sú NumPy, Pandas, IPython, SciPy, Sympy a Matplotlib, ktoré umožňujú plniť rôzne úlohy. Python pre dátových vedcov: Scikit-Learn: špecializácia Scikit-Learn vám predstavuje praktický a jednoduchý prístup k rýchlemu osvojeniu si Scikit-learn.
V čom je táto kniha iná?
Väčšina kníh o Pythone predpokladá, že viete kódovať pomocou programov Pandas, NumPy a Matplotlib. Ale táto kniha to tak nerobí. Autor venuje veľa času tomu, aby vás naučil, ako vlastne písať najjednoduchšie kódy v jazyku Python na dosiahnutie modelov strojového učenia. Dôkladné pokrytie knižnice Scikit-learn sa začína od samotnej tretej kapitoly. Skok priamo na Scikit-learn vám uľahčí sledovanie. Ďalšou výhodou je, že na písanie a vysvetľovanie kódu sa priamo v tejto knihe používa Jupyter Notebook. K dátovým súborom použitým v tejto knihe sa môžete ľahko dostať ich stiahnutím za behu. Prístup k nim môžete získať aj prostredníctvom priečinka Datasets v repozitároch SharePoint a GitHub. Získate tiež možnosť pracovať na troch praktických miniprojektoch:
⬤ Detekcia spamových e-mailov pomocou Scikit-Learn.
⬤ IMDB Movies Sentimental Analysis (Sentimentálna analýza filmov).
⬤ Klasifikácia obrázkov pomocou Scikit-Learn.
Skripty, grafy a obrázky v knihe sú prehľadné a poskytujú k textovému popisu ľahko pochopiteľné vizuálne prvky. Ak ste v oblasti dátovej vedy nováčik, táto kniha je pre vás skvelou voľbou na samoštúdium. Celkovo sa môžete spoľahnúť, že táto kniha learning by doing vám pomôže rýchlejšie dosiahnuť vaše kariérne ciele v oblasti dátovej vedy.
Medzi preberané témy patria:
⬤ Úvod do Scikit-Learn a ďalších knižníc strojového učenia.
⬤ Nastavenie prostredia a rýchlokurz Pythonu.
⬤ Predspracovanie údajov pomocou Scikit-Learn.
⬤ Výber funkcií pomocou knižnice Scikit-Learn v jazyku Python.
⬤ Riešenie regresných problémov v strojovom učení pomocou knižnice Sklearn.
⬤ Riešenie klasifikačných problémov v strojovom učení pomocou knižnice Sklearn.
⬤ Klastrovanie údajov pomocou knižnice Scikit-Learn.
⬤ Znižovanie dimenzionality pomocou PCA a LDA s využitím Sklearn.
⬤ Výber najlepších modelov pomocou Scikit-Learn.
⬤ Spracovanie prirodzeného jazyka pomocou Scikit-Learn.
⬤ Klasifikácia obrázkov pomocou Scikit-Learn.
Stlačte tlačidlo KÚPIŤ TERAZ a začnite svoju cestu za učením dátovej vedy.
