Praktické strojové učení s R

Recenze čtenářů

Kniha je chválena za jasné vysvětlení, praktické příklady a ucelený přehled konceptů strojového učení, zejména v jazyce R. Mnoho recenzentů vyzdvihuje efektivní styl výuky autorů a dobře strukturovaný obsah, který poslouží jak začátečníkům, tak těm, kteří si chtějí upevnit své znalosti. Několik recenzí však kritizovalo kvalitu tištěné verze a uvádělo problémy s trvanlivostí, reprodukcí barev a celkovými produkčními hodnotami, díky čemuž působí předraženě.

Jasná vysvětlení a příklady, praktické tipy, důkladný úvod do strojového učení s R, dobrá organizace obsahu a efektivní výukový styl autorů.

Špatná kvalita tisku, problémy s vazbou a čitelností barevné grafiky při černobílém tisku a drahé za poskytovanou kvalitu.

(na základě 11 hodnocení čtenářů)

Původní název:

Hands-On Machine Learning with R

Obsah knihy:

Hands-on Machine Learning with R poskytuje praktický a aplikovaný přístup k učení a rozvíjení intuice k nejoblíbenějším metodám strojového učení současnosti. Tato kniha slouží jako praktický průvodce procesem strojového učení a má čtenáři pomoci naučit se používat zásobník strojového učení v prostředí R, který zahrnuje používání různých balíčků R, jako jsou glmnet, h2o, ranger, xgboost, keras a další, k efektivnímu modelování a získávání poznatků ze svých dat. Kniha upřednostňuje praktický přístup a poskytuje intuitivní pochopení konceptů strojového učení prostřednictvím konkrétních příkladů a jen trochy teorie.

V této knize se čtenář seznámí s celým procesem strojového učení, včetně tvorby příznaků, převzorkování, ladění hyperparametrů, vyhodnocení modelu a interpretace. Čtenář se seznámí s výkonnými algoritmy, jako jsou regularizovaná regrese, náhodné lesy, gradient boosting machines, deep learning, zobecněné modely s nízkým hodnocením a další! Díky upřednostňování praktického přístupu a používání reálných slovních dat čtenář intuitivně pochopí architektury a motory, které tyto algoritmy a balíčky pohánějí, pochopí, kdy a jak ladit různé hyperparametry, a bude schopen interpretovat výsledky modelů. Na konci této knihy by měl čtenář pevně ovládat balíček strojového učení v R a být schopen implementovat systematický přístup k vytváření vysoce kvalitních výsledků modelování.

Vlastnosti:

- Nabízí praktický a aplikovaný úvod do nejoblíbenějších metod strojového učení.

- Zahrnuje témata jako feature engineering, resampling, deep learning a další.

- Využívá praktický přístup a reálná data.