Základy strojového učení pro prediktivní analýzu dat, druhé vydání: Algoritmy, pracovní příklady a případové studie, druhé vydání.

Recenze čtenářů

Kniha je vysoce ceněna jako vzdělávací zdroj pro začátečníky v oblasti strojového učení, protože poskytuje solidní základy a jasná vysvětlení. Je dobře strukturovaná, obsahuje podrobné definice, případové studie a komplexní přístup k tématu. Chybí jí však dostatek příkladů kódu a styl psaní může být místy suchý.

Snadno se čte a sleduje, dobře organizovaná, poskytuje solidní základní základy, podrobné případové studie, jasné vysvětlení algoritmů, dobrá rovnováha mezi teorií a praktičností, skvělá pro úplné začátečníky, komplexní hloubka v procesech strojového učení, kvalitní tisk.

Chybí příklady kódu pro praktické zkušenosti, psaní může být suché a nepoutavé, některým konceptům by prospěla větší stručnost, může vyžadovat silnou znalost angličtiny.

(na základě 13 hodnocení čtenářů)

Původní název:

Fundamentals of Machine Learning for Predictive Data Analytics, Second Edition: Algorithms, Worked Examples, and Case Studies

Obsah knihy:

Druhé vydání uceleného úvodu do přístupů strojového učení používaných v prediktivní analýze dat, zahrnující teorii i praxi.

Strojové učení se často používá k vytváření prediktivních modelů pomocí extrakce vzorů z velkých souborů dat. Tyto modely se používají v aplikacích prediktivní analýzy dat, včetně předpovídání cen, hodnocení rizik, předpovídání chování zákazníků a klasifikace dokumentů. Tato úvodní učebnice nabízí podrobné a soustředěné zpracování nejdůležitějších přístupů strojového učení používaných v prediktivní analýze dat a pokrývá jak teoretické koncepty, tak praktické aplikace. Technický a matematický materiál je doplněn vysvětlujícími příklady z praxe a případové studie ilustrují použití těchto modelů v širším podnikatelském kontextu. Toto druhé vydání zahrnuje nejnovější vývoj v oblasti strojového učení, zejména v nové kapitole o hlubokém učení, a dvě nové kapitoly, které přesahují rámec prediktivní analytiky a zabývají se nekontrolovaným učením a posilováním učení.

Kniha je přístupná, nabízí netechnické vysvětlení myšlenek, na nichž jsou založeny jednotlivé přístupy, a teprve poté představuje matematické modely a algoritmy. Je soustředěná a hluboká, poskytuje studentům podrobné znalosti o základních pojmech a dává jim pevný základ pro samostatné zkoumání této oblasti. Jak první kapitoly, tak pozdější případové studie ilustrují, jak proces učení prediktivních modelů zapadá do širšího podnikatelského kontextu. Dvě případové studie popisují konkrétní projekty datové analytiky v jednotlivých fázích vývoje, od formulace obchodního problému až po implementaci analytického řešení. Knihu lze použít jako učebnici na úvodní úrovni nebo jako referenční příručku pro odborníky.