Hodnotenie:
Táto kniha slúži ako skvelý úvod do strojového učenia, najmä pre začiatočníkov, ktorí sa chcú učiť pomocou jazyka Python. Mnohí používatelia oceňujú jasne vysvetlené koncepty a praktické príklady kódovania, vďaka ktorým je prístupná aj pre tých, ktorí majú minimálne predchádzajúce znalosti. Má však aj značné nedostatky, ako sú neaktuálne súbory údajov a niektorý obsah, ktorému chýba hĺbka, čo môže pokročilejším čitateľom chýbať.
Výhody:Vynikajúce pre začiatočníkov s jasným vysvetlením a praktickými príkladmi.
Nevýhody:Prístupné a zrozumiteľné, vďaka čomu sú zložité témy ľahšie stráviteľné.
(na základe 21 čitateľských recenzií)
Machine Learning with Python: A Practical Beginners' Guide
Ste pripravení pridať strojové učenie do svojho súboru zručností? Táto kniha je druhým titulom série Machine Learning From Scratch a naučí vás kódovať modely strojového učenia v jazyku Python.
Vďaka práci na rôznych projektoch s opakovateľnými krokmi budete mať k dispozícii plány a účinné stratégie na kódovanie a navrhovanie predikčných modelov s použitím vlastných údajov. Pre koho je táto kniha určená Kniha je určená pre začiatočníkov so základnými znalosťami strojového učenia vrátane bežných algoritmov, ako je logistická regresia a rozhodovacie stromy.
Ak chcete získať jemné vysvetlenie teórie strojového učenia bez kódu, odporúčame prečítať si prvú knihu z tejto série Machine Learning for Absolute Beginners (Third Edition), ktorá je napísaná pre všeobecnejšie publikum. V tejto príručke sa krok za krokom naučíte: - Ako nakódovať model predpovede strojového učenia s použitím celého radu algoritmov vrátane logistickej regresie, gradientného posilňovania a rozhodovacích stromov. - Ako nainštalovať vývojové prostredie a používať programovací jazyk Python na kódovanie 10 rôznych modelov.
- Ako napísať svoj model v čo najmenšom množstve kódu pomocou programov Pandas, Scikit-learn, Matplotlib a Seaborn. - Ako vizualizovať vzťahy vo vašom súbore údajov vrátane Heatmaps a Pairplots len s niekoľkými riadkami kódu.
© Book1 Group - všetky práva vyhradené.
Obsah tejto stránky nesmie byť kopírovaný ani použitý čiastočne alebo v celku bez písomného súhlasu vlastníka.
Posledná úprava: 2024.11.13 22:11 (GMT)