Algorytmy data science. siedmiodniowy przewodnik. wydanie ii (David Natingga)

Data science jest interdyscyplinarną dziedziną naukową łączącą osiągnięcia uczenia maszynowego, statystyki i eksploracji danych. Umożliwia wydobywanie nowej wiedzy z istniejących danych przez użytkowanie adekwatnych algorytmów i analizy statystycznej. Wytwarzano dotąd mnóstwo algorytmów tej kategorii i wciąż powstają świeże. Stanowią one podstawę konstruowania modeli umożliwiających wyodrębnianie określonych informacji z informacji odzwierciedlających zjawiska zachodzące w świecie rzeczywistym, pozwalają też na formułowanie prognoz ich przebiegu w przyszłości. Algorytmy data science są postrzegane jako ogromna szansa na zdobycie przewagi konkurencyjnej, a ich znaczenie stale rośnie.

Ta książka jest zwięzłym przewodnikiem po algorytmach uczenia maszynowego. Jej cel jest prosty: w ciągu siedmiu dni masz opanować mocne podstawy siedmiu najważniejszych dla uczenia maszynowego algorytmów. Opisom poszczególnych algorytmów towarzyszą przykłady ich implementacji w języku Python, a poręczne ćwiczenia, które odszukasz na końcu każdego rozdziału, ułatwią Ci ulepszone zrozumienie omawianych zagadnień. Co więcej, dzięki książce nauczysz się właściwie identyfikować problemy z zakresu data science. W efekcie uzupełnianie odpowiednich metod i narzędzi do ich rozwiązywania okaże się dużo łatwiejsze.

W tej książce:

efektywne implementacje algorytmów uczenia maszynowego w języku Python
klasyfikacja informacji przy użyciu twierdzenia Bayesa, drzew decyzyjnych i lasów losowych
podział informacji na klastery przy pomocy algorytmu k-średnich
używanie analizy regresji w właściwościzacji modeli przewidywań
analiza szeregów czasowych pod kątem trendów i sezonowości danych
Algorytmy data science: poznaj, zrozum, zastosuj!
O autorze
Dávid Natingga jest naukowcem specjalizującym się w dziedzinie nienaturalnej inteligencji. Zajmuje się teorią obliczeń i zastosowaniem matematyki w algorytmach SI. Wcześniej optymalizował algorytmy na zapotrzebowania uczenia maszynowego oraz big data. Jest autorem atrakcyjnego algorytmu polecania produktów na podstawie preferencji klientów i cech gatunków kawy. W 2016 roku spędził osiem miesięcy jako research visitor w Japońskim Instytucie Naukowo-technicznym w Kanazawie.