Практическое и подробное введение в машинное обучение. Простые и понятные объяснения и отсутствие необходимости опыта программирования делают эту книгу прекрасной альтернативой академическому учебнику. Здесь представлены основные алгоритмы машинного обучения (ML), которые сопровождаются наглядными примерами и практическими работами. Также вы узнаете про перекрестную проверку, ансамблевое моделирование, поиск по сетке для настройки моделей, проектирование функций, горячее кодирование и многое другое. Для разработки интеллектуальных машин в первую очередь надо понять классическую статистику, так как алгоритмы на ее основе - это сердце машинного обучения. Написание кода - еще одна неотъемлемая часть ML, которая предусматривает управление данными. Однако материал этого руководства можно освоить даже без навыков программирования. Возможно, с чтения этой книги начнется ваш путь к получению работы в области машинного обучения, а может быть, она просто удовлетворит ваше любопытство. Внутри руководства: * Загрузка бесплатных наборов данных. * Методы очистки данных, включая горячее кодирование, группирование и обработку недостающих данных. * Подготовка данных для анализа. * Линейный регрессионный анализ. * Кластеризация, включая кластеризацию k-средних. * Основы работы нейронных сетей. * Смещение/дисперсия для улучшения модели машинного обучения. * Деревья решений для декодирования классификации. * Ваша первая модель машинного обучения с помощью Python. Об авторе ОЛИВЕР ТЕОБАЛЬД - технический писатель, специализирующийся на темах искусственного интеллекта, финансовых технологий и облачных вычислений. Автор книг Python for Absolute Beginners, Machine Learning with Python for Beginners, Data Analytics for Absolute Beginners и др.
Prakticheskoe i podrobnoe vvedenie v mashinnoe obuchenie. Prostye i ponjatnye objasnenija i otsutstvie neobkhodimosti opyta programmirovanija delajut etu knigu prekrasnoj alternativoj akademicheskomu uchebniku. Zdes predstavleny osnovnye algoritmy mashinnogo obuchenija (ML), kotorye soprovozhdajutsja nagljadnymi primerami i prakticheskimi rabotami. Takzhe vy uznaete pro perekrestnuju proverku, ansamblevoe modelirovanie, poisk po setke dlja nastrojki modelej, proektirovanie funktsij, gorjachee kodirovanie i mnogoe drugoe. Dlja razrabotki intellektualnykh mashin v pervuju ochered nado ponjat klassicheskuju statistiku, tak kak algoritmy na ee osnove - eto serdtse mashinnogo obuchenija. Napisanie koda - esche odna neotemlemaja chast ML, kotoraja predusmatrivaet upravlenie dannymi. Odnako material etogo rukovodstva mozhno osvoit dazhe bez navykov programmirovanija. Vozmozhno, s chtenija etoj knigi nachnetsja vash put k polucheniju raboty v oblasti mashinnogo obuchenija, a mozhet byt, ona prosto udovletvorit vashe ljubopytstvo. Vnutri rukovodstva: * Zagruzka besplatnykh naborov dannykh. * Metody ochistki dannykh, vkljuchaja gorjachee kodirovanie, gruppirovanie i obrabotku nedostajuschikh dannykh. * Podgotovka dannykh dlja analiza. * Linejnyj regressionnyj analiz. * Klasterizatsija, vkljuchaja klasterizatsiju k-srednikh. * Osnovy raboty nejronnykh setej. * Smeschenie/dispersija dlja uluchshenija modeli mashinnogo obuchenija. * Derevja reshenij dlja dekodirovanija klassifikatsii. * Vasha pervaja model mashinnogo obuchenija s pomoschju Python. Ob avtore OLIVER TEOBALD - tekhnicheskij pisatel, spetsializirujuschijsja na temakh iskusstvennogo intellekta, finansovykh tekhnologij i oblachnykh vychislenij. Avtor knig Python for Absolute Beginners, Machine Learning with Python for Beginners, Data Analytics for Absolute Beginners i dr.
