Hodnotenie:
Kniha je praktickým zdrojom informácií pre záujemcov o strojové učenie, najmä v jazyku Python. Poskytuje prístupný úvod do rôznych konceptov strojového učenia so zameraním na praktické príklady a implementácie kódu. Bola však kritizovaná za povrchné pokrytie matematických teórií a niektoré chyby v kódovaní. Hoci je dobrým doplnkom k teoretickejším textom, nemusí postačovať úplným začiatočníkom v oblasti strojového učenia alebo jazyka Python.
Výhody:⬤ Praktický prístup s príkladmi krok za krokom
⬤ pokrýva populárne knižnice Pythonu
⬤ dobre vysvetlené segmenty kódu
⬤ dobré pre tých, ktorí majú určité predchádzajúce znalosti ML
⬤ obsahuje reálne aplikácie
⬤ príjemný štýl písania
⬤ poskytuje užitočné osvedčené postupy.
⬤ Ľahká teória a matematická hĺbka
⬤ niektoré príklady kódu majú chyby
⬤ nemusia byť vhodné pre úplných začiatočníkov v ML alebo Pythone
⬤ hlásené problémy so sadzbou
⬤ niektorým vysvetleniam chýba kontext
⬤ neaktuálne údaje a požiadavky.
(na základe 20 čitateľských recenzií)
Python Machine Learning by Example - Third Edition: Build intelligent systems using Python, TensorFlow 2, PyTorch, and scikit-learn
Komplexná príručka, ktorá vás oboznámi s najnovším vývojom praktického strojového učenia s Pythonom a zlepší vaše znalosti algoritmov a techník strojového učenia (ML)
Kľúčové vlastnosti
⬤ Ponorte sa do algoritmov strojového učenia na riešenie zložitých úloh, ktorým dnes čelia dátoví vedci.
⬤ Preskúmajte špičkový obsah odrážajúci vývoj v oblasti hlbokého učenia a posilňovania učenia.
⬤ Používajte aktualizované knižnice jazyka Python, ako sú TensorFlow, PyTorch a scikit-learn, aby ste mohli sledovať projekty strojového učenia od začiatku do konca.
Popis knihy
Tretie vydanie knihy Python Machine Learning By Example slúži ako komplexná vstupná brána do sveta strojového učenia (ML).
Vďaka šiestim novým kapitolám na témy ako vývoj odporúčacieho systému pre filmy pomocou Na ve Bayes, rozpoznávanie tvárí pomocou support vector machine, predpovedanie cien akcií pomocou umelých neurónových sietí, kategorizácia obrázkov oblečenia pomocou konvolučných neurónových sietí, predpovedanie pomocou sekvencií s využitím rekurentných neurónových sietí a využitie reinforcement learningu na rozhodovanie bola kniha výrazne aktualizovaná pre najnovšie požiadavky podnikov.
Táto kniha zároveň poskytuje praktické poznatky o kľúčových základoch ML s programovaním v jazyku Python. Hayden využíva svoje odborné znalosti na demonštráciu implementácií algoritmov v jazyku Python, a to od začiatku aj s použitím knižníc.
V každej kapitole sa prechádza priemyselne prijímanou aplikáciou. Pomocou realistických príkladov získate pochopenie mechaniky techník ML v oblastiach, ako sú prieskumná analýza údajov, príznakové inžinierstvo, klasifikácia, regresia, zhlukovanie a NLP.
Na konci tejto knihy o ML v jazyku Python získate široký obraz o ekosystéme ML a budete sa dobre orientovať v osvedčených postupoch uplatňovania techník ML na riešenie problémov.
Čo sa naučíte
⬤ Pochopiť dôležité pojmy v oblasti ML a dátovej vedy.
⬤ Používať Python na preskúmanie sveta dolovania údajov a analytiky.
⬤ Škáliť trénovanie modelov s využitím rôznej zložitosti údajov pomocou Apache Spark.
⬤ Ponoriť sa do analýzy textu a NLP pomocou knižníc jazyka Python, ako sú NLTK a Gensim.
⬤ Vyberte a vytvorte ML model a vyhodnoťte a optimalizujte jeho výkon.
⬤ Zavádzanie ML algoritmov od základov v Pythone, TensorFlow 2, PyTorch a scikit-learn.
Pre koho je táto kniha určená
.
Ak ste nadšencom strojového učenia, dátovým analytikom alebo dátovým inžinierom, ktorý je veľmi zanietený pre strojové učenie a chce začať pracovať na úlohách strojového učenia, táto kniha je určená práve vám.
Predpokladá sa predchádzajúca znalosť kódovania v jazyku Python a výhodná bude aj základná znalosť štatistických pojmov, hoci to nie je nevyhnutné.