Machine learning, python i data science. wprowadzenie (Helion)

Uczenie maszynowe kojarzy się z sporymi firmami i rozbudowanymi zespołami. Prawda jest taka,aktualnie można samodzielnie stwarzać innowacyjne rozwiązania uczenia maszynowego i korzystać do woli z olbrzymich zasobów przystępnych danych.

Trzeba tylko mieć pomysł i... Trochę podstawowej wiedzy. Tymczasem większość opracowań na temat uczenia maszynowego i nienaturalnej inteligencji wymaga biegłości w innowacyjnej matematyce. Utrudnia to naukę tego zagadnienia, mimo iż uczenie maszynowe jest coraz powszechniej używane w projektach badawczych i komercyjnych.

Ta praktyczna książka ułatwi Ci rozpoczęcie wdrażania rozwiązań rzeczywistych problemów związanych z uczeniem maszynowym. Mieści dostępne wprowadzenie do uczenia maszynowego i sztucznej inteligencji, a także sposoby wykorzystania Pythona i biblioteki scikit-learn, uwzględniające zapotrzebowania badaczy i analityków , a także inżynierów pracujących nad aplikacjami komercyjnymi.

Zagadnienia matematyczne ograniczono tu do niezbędnego minimum, zamiast tego skoncentrowano się na ergonomicznych aspektach algorytmów uczenia maszynowego. Dokładnie opisano, jak potężnie można skorzystać z szerokiej gamy modeli zastosowanych w przystępnych bibliotekach.

W książce pomiędzy innymi: podstawowe informacje o uczeniu maszynowym najważniejsze algorytmy uczenia maszynowego przetwarzanie danych w uczeniu maszynowym ocena modelu i dostrajanie parametrów łańcuchy modeli i hermetyzacja przepływu pracy przetwarzanie danych tekstowych Python i uczenie maszynowe: programowanie do zadań specjalnych!

Powyższy opis pochodzi od wydawcy.