Введение в машинное обучение с помощью Python. Руководство для специалистов по работе с данными - Андреас Мюллер, Сара Гвидо

Данная книга адресована действующим и начинающим специалистам по машинному обучению, решающим реальные задачи. Эта книга является вводной и нс требует предварительных знаний в области машинного обучения или искусственного интеллекта. Мы сосредоточимся па использовании языка Python и библиотеки scikit-learn, рассмотрим все этапы создания успешного проекта по машинному обучению. Методы, которые мы затронем, пригодятся ученым и исследователям, а также специалистам по анализу данных, работающим в различных коммерческих сферах. Вы получите максимальную отдачу от книги, если хотя бы немного знакомы с языком Python и библиотеками NumPy и matplotlib.

Мы приложили сознательные усилия, направленные на то, чтобы вместо изложения математических подробностей сосредоточиться в большей степени на практических аспектах использования алгоритмов машинного обучения. Поскольку математика (в частности, теория вероятностей) является той основой, на которой строится машинное обучение, мы не будем легально вдаваться в подробности алгоритмов. Если вас интересует математический аппарат алгоритмов машинного обучения, мы рекомендуем книгу издательства Springer The Elements of Statistical Learning за авторством Тревора Хасти, Роберта Тибширани и Джерома Фридмана, которая свободно доступна на сайте авторов.

Существует масса книг по машинному обучению и искусственному интеллекту. Однако все они предназначены для студентов старших курсов и аспирантов, обучающихся по специальности «компьютерные науки», и полны математических подробностей. Это резко контрастирует с тем фактом, что машинное обучение в настоящее время используется в качестве прикладного инструмента в научных и коммерческих проектах. Сегодня применение машинного обучения не требует наличия научной степени. Однако существует очень мало ресурсов, в которых все важные аспекты применения машинного обучения на практике освещались бы доступно, без необходимости посещения сложных математических курсов. Мы надеемся, что эта книга поможет людям, которые хотят использовать машинное обучение здесь и сейчас, не тратя годы на изучение математики, линейной алгебры и теории вероятностей.

Структура книги: Эта книга организована примерно следующим образом:

•             В главе 1 кратко рассказывается об основных понятиях машинного обучения и сферах его применения, а также описана установка основных библиотек, которые мы будем использовать на протяжении всей книги.

•             В главах 2 и 3 освещаются актуальные алгоритмы машинного обучения, которые широко используются на практике, и обсуждаются их преимущества и недостатки.

•             В главе 4 обсуждается важность определенного представления данных, которое можно получить с помощью алгоритмов машинного обучения, а также рассказывается о том, какие аспекты данных требуют внимания.

•             В главе 5 освещаются передовые методы, предназначенные для оценки качества модели и настройки параметров, при этом особое внимание уделено перекрестной проверке и решегчатому поиску.

•             В глава 6 излагаются принципы построения конвейеров для связывания моделей в единую цепочку и инкапсуляции рабочего потока.

•             В главе 7 рассказывается о том, как применять методы, описанные в предыдущих главах, к текстовым данным, а также кратко описываются некоторые методы обработки текста.

•             В главе 8 дается общий обзор различных аспектов машинного обучения.

Attachments:
FileОписание
Access this URL (http://www.statosphere.ru/downloads/books/python/06myuller.rar)Введение в машинное обучение с помощью Python. Руководство для специалистов по работе с данными - Андреас Мюллер, Сара Гвидо

Добавить комментарий


Защитный код
Обновить

 

Яндекс.Метрика

 

 

Краткое содержание

Вход для слушателей