Hluboké učení se strukturovanými daty

Recenze čtenářů

Kniha je určena začátečníkům v oblasti strojového učení a pokrývá základní témata, jako je čištění dat a práce s reálnými soubory dat. Pro ty, kteří se již se strojovým učením seznámili a touží po hlubokém obsahu o hlubokém učení, je však nedostatečná, protože hlubokému učení věnuje pouze dvě kapitoly a její diskuse postrádají komplexnost.

⬤ Vhodné pro začátečníky v oblasti strojového učení
⬤ důkladné pokrytí problematiky čištění dat a reálných datových sad
⬤ praktické příklady nasazení modelů a práce s nevyváženými daty.

⬤ Nedostatečná hloubka témat hlubokého učení
⬤ omezení na dvě kapitoly pro hluboké učení
⬤ používá jednodušší datové sady (např. MNIST), které nemusí odpovídat názvu knihy
⬤ anti-klimatický výkon modelů hlubokého učení ve srovnání s tradičními modely, jako je XGBoost.

(na základě 3 hodnocení čtenářů)

Původní název:

Deep Learning with Structured Data

Obsah knihy:

Hluboké učení se strukturovanými daty vás naučí výkonné techniky analýzy dat pro tabulková data a relační databáze.

Shrnutí

Hluboké učení nabízí potenciál pro identifikaci složitých vzorců a vztahů skrytých v datech všeho druhu. Kniha Hluboké učení se strukturovanými daty vám ukáže, jak aplikovat výkonné techniky hlubokého učení pro analýzu strukturovaných tabulkových dat, která najdete v relačních databázích, na nichž jsou závislé reálné podniky. Tato kniha plná praktických a relevantních aplikací vás naučí, jak může hluboké učení rozšířit vaše stávající systémy strojového učení a business intelligence.

Zakoupení tištěné knihy zahrnuje bezplatnou elektronickou knihu ve formátech PDF, Kindle a ePub od Manning Publications.

O technologii

Zde je špinavé tajemství: Polovina času ve většině projektů datové vědy je strávena čištěním a přípravou dat. Existuje však lepší způsob: Techniky hlubokého učení optimalizované pro tabulková data a relační databáze přinášejí poznatky a analýzy, aniž by vyžadovaly intenzivní feature engineering. Naučte se dovednosti, které vám umožní odemknout výkon hlubokého učení s mnohem menším množstvím filtrování, ověřování a čištění dat.

O knize

Hluboké učení se strukturovanými daty vás naučí výkonné techniky analýzy dat pro tabulková data a relační databáze. Začněte s datovou sadou založenou na torontském dopravním systému. Při práci s knihou zjistíte, jak snadné je nastavit tabulková data pro hluboké učení, a zároveň vyřešíte zásadní produkční problémy, jako je nasazení a monitorování výkonu.

Co je uvnitř

Kdy a kde použít hluboké učení.

Architektura modelu hlubokého učení Keras.

Trénování, nasazení a údržba modelů.

Měření výkonu.

O čtenáři

Pro čtenáře se středně pokročilými znalostmi jazyka Python a strojového učení.

O autorovi

Mark Ryan je manažerem datové vědy ve společnosti Intact Insurance. Získal magisterský titul v oboru počítačových věd na Torontské univerzitě.

Obsah

1 Proč hluboké učení se strukturovanými daty?

2 Úvod do příkladového problému a datové rámce Pandas.

3 Příprava dat, část 1: Zkoumání a čištění dat.

4 Příprava dat, část 2: Transformace dat.

5 Příprava a sestavení modelu.

6 Trénování modelu a provádění experimentů.

7 Další experimenty s natrénovaným modelem.

8 Nasazení modelu.

9 Doporučené další kroky.