Základy strojového učenia pre prediktívnu analýzu údajov, druhé vydanie: Algoritmy, praktické príklady a prípadové štúdie, druhé vydanie

Recenzie čitateľov

Kniha je vysoko cenená ako vzdelávací zdroj pre začiatočníkov v oblasti strojového učenia, pretože poskytuje solídny základ a jasné vysvetlenia. Je dobre štruktúrovaná, obsahuje podrobné definície, prípadové štúdie a komplexný prístup k téme. Chýba jej však dostatok príkladov kódu a štýl písania môže byť miestami suchý.

Ľahko sa číta a sleduje, dobre organizovaná, poskytuje solídny základ, podrobné prípadové štúdie, jasné vysvetlenia algoritmov, dobrá rovnováha medzi teóriou a praktickosťou, skvelá pre úplných začiatočníkov, komplexná hĺbka procesov strojového učenia, kvalitná tlač.

Chýbajú príklady kódu pre praktické skúsenosti, písanie môže byť suché a nezaujímavé, niektorým konceptom by prospela väčšia stručnosť, môže vyžadovať silnú znalosť angličtiny.

(na základe 13 čitateľských recenzií)

Pôvodný názov:

Fundamentals of Machine Learning for Predictive Data Analytics, Second Edition: Algorithms, Worked Examples, and Case Studies

Obsah knihy:

Druhé vydanie komplexného úvodu do prístupov strojového učenia používaných v prediktívnej analýze dát, ktoré zahŕňa teóriu aj prax.

Strojové učenie sa často používa na vytváranie prediktívnych modelov extrahovaním vzorov z veľkých súborov údajov. Tieto modely sa používajú v aplikáciách prediktívnej analýzy údajov vrátane predpovedania cien, hodnotenia rizík, predpovedania správania zákazníkov a klasifikácie dokumentov. Táto úvodná učebnica ponúka podrobné a cielené spracovanie najdôležitejších prístupov strojového učenia používaných v prediktívnej dátovej analytike, pričom zahŕňa teoretické koncepty aj praktické aplikácie. Technický a matematický materiál je doplnený o vysvetľujúce pracovné príklady a prípadové štúdie ilustrujú použitie týchto modelov v širšom podnikateľskom kontexte. Toto druhé vydanie zahŕňa najnovší vývoj v oblasti strojového učenia, najmä v novej kapitole o hlbokom učení, a dve nové kapitoly, ktoré presahujú rámec prediktívnej analýzy a venujú sa nekontrolovanému učeniu a posilnenému učeniu.

Kniha je prístupná, ponúka netechnické vysvetlenie myšlienok, na ktorých sú založené jednotlivé prístupy, a až potom predstavuje matematické modely a algoritmy. Je zameraná a hlboká, poskytuje študentom podrobné vedomosti o základných koncepciách, čím im poskytuje pevný základ pre samostatné skúmanie tejto oblasti. Prvé kapitoly aj neskoršie prípadové štúdie ilustrujú, ako proces učenia sa prediktívnych modelov zapadá do širšieho podnikateľského kontextu. Dve prípadové štúdie opisujú konkrétne projekty dátovej analytiky v jednotlivých fázach vývoja, od formulácie obchodného problému až po implementáciu analytického riešenia. Knihu možno použiť ako učebnicu na úvodnej úrovni alebo ako referenciu pre odborníkov.