Strojové učenie pre začiatočníkov - 2. vydanie

Recenzie čitateľov

Momentálne nie sú žiadne recenzie čitateľov. Hodnotenie je založené na 2 hlasoch.

Pôvodný názov:

Machine Learning for Beginners - 2nd Edition

Obsah knihy:

Naučte sa, ako vytvoriť kompletný postup strojového učenia zvládnutím extrakcie príznakov, výberu príznakov a trénovania algoritmov

Kľúčové funkcie

● Rozvíjajte dôkladné pochopenie základných princípov strojového učenia.

● Ovládnite regresné a klasifikačné metódy na presné predpovedanie a kategorizáciu údajov v strojovom učení.

● Ponorte sa do pokročilých tém strojového učenia vrátane učenia bez dohľadu a hlbokého učenia.

Popis

Druhé vydanie knihy Strojové učenie pre začiatočníkov sa zaoberá kľúčovými pojmami a témami v oblasti strojového učenia.

Kniha začína úvodom do základných princípov strojového učenia, po ktorom nasleduje diskusia o predbežnom spracovaní údajov. Potom sa venuje extrakcii a výberu príznakov a poskytuje komplexné pokrytie rôznych techník, ako je Fourierova transformácia, Fourierova transformácia v krátkom čase a lokálne binárne vzory. Ďalej sa v knihe rozoberá analýza hlavných komponentov a lineárna diskriminačná analýza. Ďalej sa kniha zaoberá témami reprezentácie modelu, trénovania, testovania a krížového overovania. Kladie dôraz na regresiu a klasifikáciu, vysvetľuje a implementuje metódy, ako je gradient descent. Podrobne sa rozoberajú aj základné klasifikačné techniky vrátane k-najbližších susedov, logistickej regresie a naivného Bayesa. V knihe je potom uvedený prehľad neurónových sietí vrátane ich biologického pozadia, obmedzení perceptrónu a backpropagation modelu. Venuje sa tiež strojom podporných vektorov a jadrovým metódam. Diskutuje sa aj o rozhodovacích stromoch a ansámblových modeloch. Záverečná časť knihy poskytuje pohľad na nekontrolované učenie a hlboké učenie a ponúka čitateľom komplexný prehľad týchto pokročilých tém.

Na konci knihy budete dobre pripravení na skúmanie a používanie strojového učenia v rôznych scenároch reálneho sveta.

Čo sa naučíte

● Získať zručnosti na efektívnu prípravu údajov na úlohy strojového učenia.

● Naučíte sa implementovať algoritmy učenia od základov.

● Využiť silu scikit-learn na efektívnu implementáciu bežných algoritmov.

● Zoznámite sa s rôznymi metódami výberu a extrakcie príznakov.

● Naučte sa implementovať algoritmy zhlukovania.

Pre koho je táto kniha určená

Táto kniha je určená študentom bakalárskeho aj magisterského štúdia informatiky, ako aj profesionálom, ktorí chcú prejsť do podmanivej oblasti strojového učenia, pričom sa predpokladá základná znalosť jazyka Python.

Obsah

Časť I: Základy

1. Úvod do strojového učenia

2. Začiatok: Predbežné spracovanie údajov

3. Výber príznakov

4. Extrakcia príznakov

5. Vývoj modelu

Oddiel II: Učenie pod dohľadom

6. Regresia

7. K-najbližší susedia

8. Klasifikácia: Logistická regresia a klasifikátor Naïve Bayes

9. Neurónové siete I: Perceptron

10. Neurónová sieť II: viacvrstvový perceptrón

11. Podporné vektorové stroje

12. Rozhodovacie stromy

13. Úvod do skupinového učenia

Časť III: Učenie bez dohľadu a hlboké učenie

14. Zhlukovanie

15. Hlboké učenie

Príloha 1: Slovník pojmov

Dodatok 2: Metódy/techniky

Dodatok 3: Dôležité metriky a vzorce

Príloha 4: Vizualizácia - Matplotlib

Odpovede na otázky s viacerými možnosťami výberu

Bibliografia