Strojové učenie v reálnom svete

Recenzie čitateľov

Kniha ponúka praktického sprievodcu strojovým učením, ktorý preklenuje priepasť medzi teoretickými konceptmi a reálnym použitím. Je vhodná pre tých, ktorí majú určité znalosti programovania, najmä v jazyku Python, a poskytuje rôzne príklady a úryvky kódu na praktické učenie. Existujú však kritické pripomienky týkajúce sa jej hĺbky v matematických detailoch a problémov s prezentáciou kódu.

⬤ Dobre organizovaná a prehľadná
⬤ skvelá pre praktikov
⬤ dobré príklady a praktické kroky
⬤ nevyžaduje rozsiahle matematické zázemie
⬤ vhodná pre stredne pokročilých programátorov
⬤ praktický prístup s príkladmi kódu
⬤ rieši reálne problémy v ML.

⬤ Chýba hĺbka matematických detailov
⬤ niektoré úryvky kódu sa zdajú byť nedostatočne premyslené a môžu obsahovať chyby
⬤ prezentácia v čiernobielych obrázkoch
⬤ nemusí byť vhodná pre pokročilých používateľov alebo tých, ktorí hľadajú teoretickú hĺbku
⬤ niektorí čitatelia ju považujú za povrchnú.

(na základe 17 čitateľských recenzií)

Pôvodný názov:

Real-World Machine Learning

Obsah knihy:

Zhrnutie

Real-World Machine Learning je praktická príručka, ktorej cieľom je naučiť pracujúcich vývojárov umenie realizácie ML projektov. Bez predávkovania akademickou teóriou a zložitou matematikou vás oboznámi s každodennou praxou strojového učenia a pripraví vás na úspešné budovanie a nasadzovanie výkonných systémov ML.

Zakúpenie tlačenej knihy zahŕňa bezplatnú elektronickú knihu vo formátoch PDF, Kindle a ePub od vydavateľstva Manning Publications.

O technológii

Systémy strojového učenia vám pomôžu nájsť v údajoch cenné poznatky a vzory, ktoré by ste tradičnými metódami nikdy nerozpoznali. V reálnom svete vám techniky ML poskytujú spôsob, ako identifikovať trendy, predpovedať správanie a vytvárať odporúčania založené na faktoch. Je to horúca a rozvíjajúca sa oblasť a po vývojároch ML s vysokou rýchlosťou je dopyt.

O knihe

Strojové učenie v reálnom svete vás naučí koncepty a techniky, ktoré potrebujete na to, aby ste sa stali úspešným odborníkom na strojové učenie bez toho, aby ste sa predávkovali abstraktnou teóriou a zložitou matematikou. Prostredníctvom bezprostredne relevantných príkladov v jazyku Python si vybudujete zručnosti v oblasti získavania a modelovania údajov, klasifikácie a regresie. Preskúmate aj najdôležitejšie úlohy, ako je validácia modelu, optimalizácia, škálovateľnosť a streamovanie v reálnom čase. Po skončení budete pripravení úspešne budovať, nasadzovať a udržiavať vlastné výkonné ML systémy.

Čo je vnútri

⬤ Predpovedanie budúceho správania.

⬤ Vyhodnocovanie a optimalizácia výkonu.

⬤ Analýza nálad a vytváranie odporúčaní.

O čitateľovi

Nepredpokladajú sa žiadne predchádzajúce skúsenosti so strojovým učením. Čitatelia by mali ovládať Python.

O autoroch

Henrik Brink, Joseph Richards a Mark Fetherolf sú skúsení dátoví vedci, ktorí sa v každodennej praxi zaoberajú strojovým učením.

Obsah

ČASŤ 1: PRACOVNÝ POSTUP STROJOVÉHO UČENIA.

⬤ Čo je strojové učenie?

⬤  Údaje z reálneho sveta.

⬤ Modelovanie a predpovedanie.

⬤ Vyhodnotenie a optimalizácia modelov.

⬤ Základné príznakové inžinierstvo.

ČASŤ 2: PRAKTICKÉ POUŽITIE.

⬤ Príklad: Údaje z newyorskej taxislužby.

⬤ Pokročilé inžinierstvo funkcií.

⬤ Pokročilý príklad NLP: sentiment filmových recenzií.

⬤ Šírenie pracovných postupov strojového učenia.

⬤ Príklad: digitálna reklama.