Note :
Le livre fournit une vue d'ensemble de haut niveau des sujets liés à l'apprentissage automatique, mais il n'est pas recommandé aux débutants en raison de sa brièveté et des connaissances préalables en mathématiques et en statistiques qu'il suppose. Bien qu'il puisse être une ressource utile pour ceux qui sont déjà familiarisés avec le sujet, il manque de profondeur et d'explications complètes pour les apprenants avancés. En outre, il peut constituer un bon cadeau pour une personne intéressée par les mathématiques et les statistiques.
Avantages:Inclut des extraits de code Python, convenant comme vue d'ensemble pour les lecteurs ayant une certaine connaissance de l'apprentissage automatique, potentiellement une ressource utile pour organiser les idées.
Inconvénients:Les explications sont très courtes et reposent sur des connaissances préalables, insuffisamment approfondies pour les débutants et les apprenants avancés, ce n'est pas un guide complet des outils Python pour l'apprentissage automatique.
(basé sur 4 avis de lecteurs)
Algorithms of the Intelligent Web
Résumé
Algorithmes du Web intelligent, deuxième édition, enseigne les approches les plus importantes de l'analyse algorithmique des données du Web, vous permettant de créer vos propres applications d'apprentissage automatique qui traitent, rassemblent et manipulent les données collectées auprès des utilisateurs, des applications Web, des capteurs et des journaux de sites Web.
L'achat du livre imprimé inclut un livre électronique gratuit aux formats PDF, Kindle et ePub de Manning Publications.
À propos de la technologie
De précieuses informations sont enfouies dans les traces laissées par les internautes lorsqu'ils naviguent sur les pages et les applications. Vous pouvez les découvrir en utilisant des algorithmes intelligents tels que ceux qui ont permis à Facebook, Google et Twitter de se hisser parmi les géants de l'extraction de modèles de données sur le web.
À propos du livre
Algorithmes du web intelligent, deuxième édition, vous apprend à créer des applications d'apprentissage automatique qui analysent et manipulent les données collectées auprès des utilisateurs, des applications web et des journaux de sites web. Dans cette édition entièrement révisée, vous étudierez les algorithmes intelligents qui extraient une valeur réelle des données. Les concepts clés de l'apprentissage automatique sont expliqués à l'aide d'exemples de code dans Python's scikit-learn. Ce livre vous guide à travers des algorithmes pour capturer, stocker et structurer des flux de données provenant du web. Vous explorerez les moteurs de recommandation et plongerez dans la classification via des algorithmes statistiques, des réseaux neuronaux et l'apprentissage profond.
Contenu de l'ouvrage
⬤ Introduction à l'apprentissage automatique.
⬤ Extraction de la structure des données.
⬤ L'apprentissage profond et les réseaux neuronaux.
⬤ Comment fonctionnent les moteurs de recommandation.
A propos du lecteur
La connaissance de Python est supposée.
À propos des auteurs
Douglas McIlwraith est un expert en apprentissage automatique et un praticien de la science des données dans le domaine de la publicité en ligne. Haralambos Marmanis est un pionnier dans l'adoption des techniques d'apprentissage automatique pour les solutions industrielles. Dmitry Babenko conçoit des applications pour la banque, l'assurance et la gestion de la chaîne d'approvisionnement. Avant-propos de Yike Guo.
Table des matières
⬤ Construire des applications pour le web intelligent.
⬤ Extraire la structure des données : regrouper et transformer vos données.
⬤ La recommandation de contenu pertinent.
⬤ Classification : placer les choses à leur place.
⬤ Étude de cas : prédiction des clics pour la publicité en ligne.
⬤ Apprentissage en profondeur et réseaux neuronaux.
⬤ Faire le bon choix.
⬤ L'avenir du web intelligent.
⬤ Annexe - Capturer des données sur le web.
© Book1 Group - tous droits réservés.
Le contenu de ce site ne peut être copié ou utilisé, en tout ou en partie, sans l'autorisation écrite du propriétaire.
Dernière modification: 2024.11.14 07:32 (GMT)