Note :
Le livre « Machine Learning for Streaming Data with Python » de Joos Korstanje fournit une introduction complète à l'apprentissage automatique en ligne à l'aide de la bibliothèque River. Il couvre les concepts théoriques et les applications pratiques pour le traitement des données en continu, en proposant divers exemples de code qui fonctionnent efficacement. Alors que certains évaluateurs ont loué son organisation et sa profondeur, d'autres l'ont critiqué pour son manque de contenu détaillé spécifique au streaming et pour la présentation d'informations de base.
Avantages:Contenu bien structuré et organisé.
Inconvénients:Fournit des connaissances théoriques et pratiques.
(basé sur 9 avis de lecteurs)
Machine Learning for Streaming Data with Python: Rapidly build practical online machine learning solutions using River and other top key frameworks
Appliquer l'apprentissage automatique aux données en continu à l'aide d'exemples pratiques, et relever les défis liés à l'apprentissage en continu.
Caractéristiques principales :
⬤ Travaillez sur des cas d'utilisation du streaming qui ne sont pas enseignés dans la plupart des cours de science des données.
⬤ Acquérir de l'expérience avec des outils de pointe pour les données en continu.
⬤ Relever les différents défis posés par le traitement des données en continu.
Description du livre :
Le streaming de données est la nouvelle technologie de pointe à surveiller dans le domaine de la science des données et de l'apprentissage automatique. Les besoins des entreprises devenant de plus en plus exigeants, de nombreux cas d'utilisation nécessitent une analyse en temps réel ainsi qu'un apprentissage automatique en temps réel. Ce livre vous aidera à vous familiariser avec l'analyse des données en continu et se concentrera sur l'adaptation de l'apprentissage automatique et d'autres méthodes d'analyse au cas des données en continu.
Vous découvrirez tout d'abord l'architecture du streaming et de l'apprentissage automatique en temps réel. Ensuite, vous examinerez les cadres de pointe pour les données en continu, tels que River. Les chapitres suivants se concentreront sur divers cas d'utilisation industrielle des données en continu, tels que la détection d'anomalies en ligne et d'autres. Au fur et à mesure de votre progression, vous découvrirez divers défis et apprendrez comment les atténuer. En outre, vous apprendrez les meilleures pratiques qui vous aideront à utiliser le streaming de données pour générer des informations en temps réel.
À la fin de ce livre, vous aurez acquis la confiance nécessaire pour intégrer les données en continu dans vos modèles d'apprentissage automatique.
Ce que vous apprendrez
⬤ Comprendre les défis et les avantages du travail avec les données en continu.
⬤ Développer des connaissances en temps réel à partir de données en continu.
⬤ Comprendre la mise en œuvre du streaming de données avec divers cas d'utilisation pour renforcer vos connaissances.
⬤ Développer une alternative à l'ACP qui peut fonctionner avec des données en temps réel.
⬤ Explorer les meilleures pratiques en matière de traitement des données en continu dont vous devez absolument vous souvenir.
⬤ Développer une API pour l'inférence de l'apprentissage automatique en temps réel.
A qui s'adresse ce livre :
Ce livre s'adresse aux scientifiques des données et aux ingénieurs en apprentissage automatique qui ont une formation en apprentissage automatique, qui sont orientés vers la pratique et la technologie et qui veulent apprendre à appliquer l'apprentissage automatique aux données en continu à l'aide d'exemples pratiques et de technologies modernes. Bien qu'une compréhension des concepts de base de Python et de l'apprentissage automatique soit indispensable, aucune connaissance préalable du streaming n'est requise.
| ISBN : | 9781803248363 |
| Auteur : | |
| Éditeur : | |
| Langue : | anglais |
| Reliure : | Broché |
| Année de publication : | 2022 |
| Nombre de pages : | 258 |
Actuellement disponible, en stock.
