Avis des lecteurs
Résumé:Le livre « Machine Learning with Python for Everyone » du Dr. Mark Fenner est très apprécié pour son approche claire et pratique de l'enseignement de l'apprentissage automatique, en particulier pour les débutants. Il simplifie les concepts complexes et évite la lourdeur du contenu mathématique tout en fournissant des exemples attrayants en Python. Cependant, certains lecteurs estiment qu'il manque un tutoriel complet sur la configuration de l'environnement d'apprentissage, en particulier avec Jupyter, et qu'ils pourraient avoir besoin de plus de projets pratiques à exécuter directement.
Avantages:⬤ Présentation claire et pratique des concepts de l'apprentissage automatique.
⬤ Accessible aux débutants absolus ayant peu de connaissances en mathématiques.
⬤ Style d'écriture informel et agréable.
⬤ Des exemples de haute qualité qui peuvent être exécutés sur des ordinateurs personnels.
⬤ Commentaires positifs sur la réactivité de l'auteur aux questions.
⬤ Absence de tutoriel détaillé pour la mise en place de l'environnement, en particulier Jupyter.
⬤ Les lecteurs doivent saisir manuellement le code Python, ce qui peut s'avérer fastidieux pour certains.
⬤ Peu de projets pratiques disponibles.
(basé sur 5 avis de lecteurs)
Titre original :
Machine Learning with Python for Everyone
Contenu du livre :
Le guide complet du débutant pour comprendre et construire des systèmes d'apprentissage automatique avec Python
Machine Learning with Python for Everyone vous aidera à maîtriser les processus, les modèles et les stratégies dont vous avez besoin pour construire des systèmes d'apprentissage efficaces, même si vous êtes un débutant absolu. Si vous pouvez écrire du code Python, ce livre est fait pour vous, même si vous n'avez que peu de connaissances en mathématiques de niveau universitaire. L'instructeur principal Mark E. Fenner s'appuie sur des histoires, des images et des exemples Python en langage clair pour communiquer les idées de l'apprentissage automatique.
Mark commence par discuter de l'apprentissage automatique et de ce qu'il peut faire, en introduisant des sujets mathématiques et informatiques clés d'une manière accessible, et en vous guidant à travers les premières étapes de la construction, de la formation et de l'évaluation des systèmes d'apprentissage. Étape par étape, vous compléterez les composants d'un système d'apprentissage pratique, élargirez votre boîte à outils et explorerez certaines des techniques les plus sophistiquées et les plus passionnantes du domaine. Que vous soyez étudiant, analyste, scientifique ou amateur, les idées de ce guide s'appliqueront à tous les systèmes d'apprentissage que vous construirez ou utiliserez.
⬤ Comprendre les algorithmes, les modèles et les concepts fondamentaux de l'apprentissage automatique.
⬤ Classer des exemples avec des classificateurs et quantifier des exemples avec des régresseurs.
⬤ Évaluer de manière réaliste les performances des systèmes d'apprentissage automatique.
⬤ Utiliser l'ingénierie des caractéristiques pour transformer des données brutes en formes utiles.
⬤ Chaîner plusieurs composants en un seul système et ajuster ses performances.
⬤ Appliquer les techniques d'apprentissage automatique aux images et aux textes.
⬤ Relier les concepts de base aux réseaux neuronaux et aux modèles graphiques.
⬤ Exploiter la bibliothèque Python scikit-learn et d'autres outils puissants.
Enregistrez votre livre pour bénéficier d'un accès pratique aux téléchargements, aux mises à jour et/ou aux corrections dès qu'elles sont disponibles. Voir l'intérieur du livre pour plus de détails.
Autres informations sur le livre :
| ISBN : | 9780134845623 |
| Auteur : | |
| Éditeur : | |
| Reliure : | Broché |
| Année de publication : | 2019 |
| Nombre de pages : | 592 |
Achat:
Actuellement disponible, en stock.
