Supervised Machine Learning with Python

Recenze čtenářů

Aktuálně nejsou k dispozici žádné recenze čtenářů. Hodnocení je založeno na 2 hlasů.

Obsah knihy:

Naučte svůj stroj myslet sám za sebe! Klíčové vlastnosti Pronikněte do problematiky učení pod dohledem a pochopte, jak se stroj učí z dat Implementujte populární algoritmy strojového učení od nuly a cestou si osvojte hluboké znalosti Prozkoumejte některé z nejoblíbenějších vědeckých a matematických knihoven v jazyce Python Popis knihy

Supervised machine learning se používá v celé řadě odvětví (například ve finančnictví, online reklamě a analytice), protože umožňuje trénovat systém na předpovědi cen, úpravy kampaní, doporučení zákazníkům a mnoho dalšího, zatímco se systém sám přizpůsobuje a rozhoduje. V důsledku toho je zásadní vědět, jak se stroj „učí“ pod kapotou.

Tato kniha vás provede implementací a nuancemi mnoha populárních algoritmů strojového učení s dohledem a zároveň vám usnadní jejich hluboké pochopení. Na tuto cestu se vydáte s rychlým přehledem a zjistíte, jak se strojové učení s dohledem liší od učení bez dohledu. Dále prozkoumáme parametrické modely, jako je lineární a logistická regrese, neparametrické metody, jako jsou rozhodovací stromy, a různé techniky shlukování usnadňující rozhodování a předpovědi. V dalším průběhu budete prakticky pracovat s doporučovacími systémy, které jsou široce využívány online společnostmi ke zvýšení interakce s uživateli a obohacení nákupního potenciálu. Na závěr se krátce seznámíte s neuronovými sítěmi a transferovým učením.

Na konci této knihy budete vybaveni praktickými technikami a získáte praktické znalosti, které potřebujete k rychlému a výkonnému použití algoritmů na nové problémy. Co se naučíte Rozlouskněte, jak se stroj učí koncept a zobecňuje své porozumění na nová data Odhalte základní rozdíly mezi parametrickými a neparametrickými modely Implementujte a osvojte si od základu několik známých algoritmů učení pod dohledem Pracujte s modely v oblastech, jako je elektronické obchodování a marketing Rozšiřte své znalosti a používejte různé algoritmy, jako je regrese, rozhodovací stromy a shlukování Sestavte si vlastní modely schopné provádět předpovědi Pronikněte do nejpopulárnějších přístupů v hlubokém učení, jako je transferové učení a neuronové sítě Komu je tato kniha určena

Tato kniha je určena začínajícím vývojářům strojového učení, kteří chtějí začít s učením pod dohledem. Předpokládá se středně pokročilá znalost programování v jazyce Python a určité základní znalosti o učení s dohledem. Obsah První krok k učení s dohledem Implementace parametrických modelů Práce s neparametrickými modely Pokročilá témata v oblasti strojového učení s dohledem