Avis des lecteurs
Il n'y a actuellement aucun avis de lecteur. La note est basée sur 15 votes.
Titre original :
Machine Learning Algorithms - Second Edition: Popular algorithms for data science and machine learning, 2nd Edition
Contenu du livre :
Un guide facile à suivre, étape par étape, pour se familiariser avec l'application réelle des algorithmes d'apprentissage automatique.
Caractéristiques principales.
⬤ Explore les statistiques et les mathématiques complexes pour les applications à forte intensité de données.
⬤ Découvrez les nouveaux développements de l'algorithme EM, de l'ACP et de la régression bayésienne.
⬤ Les résultats de l'étude de l'algorithme EM, de l'ACP et de la régression bayésienne sont à découvrir.
Description du livre
L'apprentissage automatique a gagné une énorme popularité grâce à ses prédictions puissantes et rapides sur de grands ensembles de données. Cependant, les véritables forces derrière ses résultats puissants sont les algorithmes complexes impliquant une analyse statistique substantielle qui traitent de grands ensembles de données et génèrent des connaissances substantielles.
Cette deuxième édition de Machine Learning Algorithms vous guide à travers les principaux résultats de développement qui ont eu lieu concernant les algorithmes d'apprentissage automatique, qui constituent des contributions majeures au processus d'apprentissage automatique et vous aident à renforcer et à maîtriser l'interprétation statistique dans les domaines de l'apprentissage supervisé, semi-supervisé et de l'apprentissage par renforcement. Une fois les concepts de base d'un algorithme couverts, vous explorerez des exemples du monde réel basés sur les bibliothèques les plus diffusées, telles que scikit-learn, NLTK, TensorFlow et Keras. Vous découvrirez de nouveaux sujets tels que l'analyse en composantes principales (ACP), l'analyse en composantes indépendantes (ICA), la régression bayésienne, l'analyse discriminante, le clustering avancé et le mélange gaussien.
À la fin de ce livre, vous aurez étudié les algorithmes d'apprentissage automatique et serez en mesure de les mettre en production pour rendre vos applications d'apprentissage automatique plus innovantes.
Ce que vous apprendrez
⬤ Étudier la sélection des caractéristiques et le processus d'ingénierie des caractéristiques.
⬤ Évaluer les compromis de performance et d'erreur pour la régression linéaire.
⬤ Construire un modèle de données et comprendre comment il fonctionne en utilisant différents types d'algorithmes.
⬤ Apprendre à régler les paramètres des machines à vecteurs de support (SVM).
⬤ Explorer le concept de traitement du langage naturel (NLP) et les systèmes de recommandation.
⬤ Créer une architecture d'apprentissage automatique à partir de zéro.
A qui s'adresse ce livre ?
Machine Learning Algorithms est fait pour vous si vous êtes un ingénieur en apprentissage automatique, un ingénieur de données ou un scientifique de données junior qui souhaite progresser dans le domaine de l'analyse prédictive et de l'apprentissage automatique. Une bonne connaissance de R et de Python sera un avantage supplémentaire pour tirer le meilleur parti de ce livre.
Autres informations sur le livre :
| ISBN : | 9781789347999 |
| Auteur : | |
| Éditeur : | |
| Langue : | anglais |
| Reliure : | Broché |
| Année de publication : | 2018 |
| Nombre de pages : | 522 |
Achat:
Actuellement disponible, en stock.
