Uczenie maszynowe dla absolutnych nowicjuszy. Wprowadzenie w przystępny sposób

Praktyczne i szczegółowe wprowadzenie do uczenia maszynowego.
Proste i zrozumiałe wyjaśnienia oraz brak konieczności znajomości programowania sprawiają, że ta książka jest doskonałą alternatywą dla akademickiego podręcznika. Przedstawione są podstawowe algorytmy uczenia maszynowego (ML), którym towarzyszą przystępne przykłady i praktyczne zadania. Dowiesz się także o walidacji krzyżowej, modelowaniu zespołowym, wyszukiwaniu siatkowym w celu dostrajania modeli, projektowaniu cech, kodowaniu na gorąco i wielu innych rzeczach.
Aby stworzyć inteligentne maszyny, należy przede wszystkim zrozumieć klasyczną statystykę, ponieważ algorytmy oparte na niej to serce uczenia maszynowego. Pisanie kodu to kolejna nieodłączna część ML, obejmująca zarządzanie danymi. Jednak materiał tego przewodnika można opanować nawet bez umiejętności programowania.
Być może lektura tej książki rozpocznie twoją drogę do pracy w dziedzinie uczenia maszynowego, a może po prostu zaspokoi twoją ciekawość.

Wewnątrz przewodnika:
• Pobieranie bezpłatnych zbiorów danych.
• Metody oczyszczania danych, w tym kodowanie na gorąco, grupowanie i przetwarzanie brakujących danych.
• Przygotowanie danych do analizy.
• Analiza regresji liniowej.
• Klasteryzacja, w tym klasteryzacja k-średnich.
• Podstawy pracy z sieciami neuronowymi.
• Bias/wariancja w celu doskonalenia modelu uczenia maszynowego.
• Drzewa decyzyjne do dekodowania klasyfikacji.
• Twój pierwszy model uczenia maszynowego przy użyciu Pythona.

Oliver Theobald — autor techniczny specjalizujący się w tematach sztucznej inteligencji, technologii finansowej i obliczeniach w chmurze. Autor książek Python dla absolutnych początkujących, Uczenie maszynowe z Pythonem dla początkujących, Analiza danych dla absolutnych początkujących i innych.