Avis des lecteurs
Il n'y a actuellement aucun avis de lecteur. La note est basée sur 2 votes.
Titre original :
Supervised Learning with Python: Concepts and Practical Implementation Using Python
Contenu du livre :
Acquérir une compréhension approfondie des algorithmes d'apprentissage supervisé en développant des cas d'utilisation avec Python. Vous étudierez les concepts de l'apprentissage supervisé, le code Python, les ensembles de données, les meilleures pratiques, la résolution des problèmes et des pièges courants, et la connaissance pratique de la mise en œuvre d'algorithmes pour des ensembles de données structurés ainsi que pour des ensembles de données textuelles et d'images.
Vous commencerez par une introduction à l'apprentissage automatique, en soulignant les différences entre l'apprentissage supervisé, semi-supervisé et non supervisé. Dans les chapitres suivants, vous étudierez les problèmes de régression et de classification, les mathématiques qui les sous-tendent, les algorithmes comme la régression linéaire, la régression logistique, l'arbre de décision, KNN, Nave Bayes, et les algorithmes avancés comme Random Forest, SVM, Gradient Boosting et les réseaux neuronaux. L'implémentation Python est fournie pour tous les algorithmes. Vous conclurez avec un processus de développement de modèle de bout en bout, y compris le déploiement et la maintenance du modèle.
Après avoir lu Apprentissage supervisé avec Python, vous aurez une large compréhension de l'apprentissage supervisé et de sa mise en œuvre pratique, et serez en mesure d'exécuter le code et de l'étendre de manière innovante.
Ce que vous apprendrez
⬤ Révision des blocs de construction et des concepts fondamentaux de l'apprentissage supervisé en utilisant Python.
⬤ Développer des solutions d'apprentissage supervisé pour les données structurées ainsi que pour les textes et les images.
⬤ Résoudre les problèmes liés au surajustement, à l'ingénierie des caractéristiques, au nettoyage des données et à la validation croisée pour construire les modèles les mieux adaptés.
⬤ Comprendre le cycle de modèle de bout en bout, de la définition du problème commercial au déploiement et à la maintenance du modèle.
⬤ Éviter les pièges courants et adhérer aux meilleures pratiques lors de la création d'un modèle d'apprentissage supervisé à l'aide de Python.
A qui s'adresse ce livre ?
Les scientifiques ou analystes de données intéressés par les meilleures pratiques et les normes d'apprentissage supervisé, et par l'utilisation d'algorithmes de classification et de techniques de régression pour développer des modèles prédictifs.
Autres informations sur le livre :
| ISBN : | 9781484261552 |
| Auteur : | |
| Éditeur : | |
| Langue : | anglais |
| Reliure : | Broché |
Achat:
Actuellement disponible, en stock.
