Hodnotenie:
Kniha „Machine Learning with Python for Everyone“ od Dr. Marka Fennera je vysoko oceňovaná pre svoj jasný, praktický prístup k výučbe strojového učenia, najmä pre začiatočníkov. Zjednodušuje zložité koncepty a vyhýba sa ťažkým matematickým obsahom, pričom poskytuje pútavé príklady v jazyku Python. Niektorí čitatelia však majú pocit, že jej chýba komplexný návod na nastavenie učebného prostredia, najmä s Jupyterom, a možno by potrebovali viac praktických projektov, ktoré by mohli priamo spustiť.
Výhody:⬤ Jasná a praktická prezentácia konceptov strojového učenia.
⬤ Prístupné aj pre úplných začiatočníkov s malým matematickým zázemím.
⬤ Neformálny a príjemný štýl písania.
⬤ Vysokokvalitné príklady, ktoré možno spustiť na domácich počítačoch.
⬤ Pozitívna spätná väzba na reakcie autora na otázky.
⬤ Chýbajúci podrobný návod na nastavenie prostredia, konkrétne Jupyteru.
⬤ Vyžaduje od čitateľov ručné zadávanie kódu v jazyku Python, čo môže byť pre niektorých zaťažujúce.
⬤ Obmedzený počet dostupných praktických projektov.
(na základe 5 čitateľských recenzií)
Machine Learning with Python for Everyone
Úplný sprievodca pre začiatočníkov na pochopenie a budovanie systémov strojového učenia pomocou jazyka Python
Machine Learning with Python for Everyone vám pomôže zvládnuť procesy, vzory a stratégie potrebné na budovanie efektívnych systémov učenia, aj keď ste úplný začiatočník. Ak viete písať kód v jazyku Python, táto kniha je pre vás bez ohľadu na to, ako málo matematiky na vysokoškolskej úrovni ovládate. Hlavný inštruktor Mark E. Fenner sa pri sprostredkovaní myšlienok strojového učenia spolieha na zrozumiteľné príbehy, obrázky a príklady v jazyku Python.
Mark začína rozborom strojového učenia a toho, čo dokáže; prístupným spôsobom predstavuje kľúčové matematické a výpočtové témy a prevedie vás prvými krokmi pri budovaní, trénovaní a vyhodnocovaní systémov učenia. Krok za krokom si doplníte komponenty praktického učiaceho sa systému, rozšírite svoj súbor nástrojov a preskúmate niektoré z najsofistikovanejších a najzaujímavejších techník v tejto oblasti. Bez ohľadu na to, či ste študent, analytik, vedec alebo hobbyista, poznatky z tejto príručky budú použiteľné pre každý vzdelávací systém, ktorý kedy vytvoríte alebo použijete.
⬤ Poznajte algoritmy strojového učenia, modely a základné koncepty strojového učenia.
⬤ Klasifikujte príklady pomocou klasifikátorov a kvantifikujte príklady pomocou regresorov.
⬤ Realisticky posudzovať výkonnosť systémov strojového učenia.
⬤ Používajte príznakové inžinierstvo na vyhladenie hrubých údajov do užitočných foriem.
⬤ Spojiť viacero komponentov do jedného systému a vyladiť jeho výkon.
⬤ Aplikovať techniky strojového učenia na obrázky a text.
⬤ Spojiť základné koncepty s neurónovými sieťami a grafickými modelmi.
⬤ Využívajte knižnicu scikit-learn v jazyku Python a ďalšie výkonné nástroje.
Zaregistrujte si knihu a získajte pohodlný prístup k stiahnutiam, aktualizáciám a/alebo opravám, keď budú k dispozícii. Podrobnosti nájdete vo vnútri knihy.