Avis des lecteurs
Il n'y a actuellement aucun avis de lecteur. La note est basée sur 10 votes.
Titre original :
Hands-on Supervised Learning with Python: Learn How to Solve Machine Learning Problems with Supervised Learning Algorithms Using Python
Contenu du livre :
Résolution de problèmes de ML et création de solutions à l'aide de Python.
Caractéristiques principales.
⬤ Introduction à la programmation Python.
⬤ Python pour l'apprentissage automatique.
⬤ Introduction à l'apprentissage automatique.
⬤ Introduction à la modélisation prédictive, algorithmes supervisés et non supervisés.
⬤ Régression linéaire, régression logistique et machines à vecteurs de support.
Description
Vous apprendrez les principes fondamentaux de l'apprentissage automatique et de la programmation en Python. Vous serez initié à la modélisation prédictive et aux différentes méthodologies de modélisation prédictive. Vous serez initié aux algorithmes d'apprentissage supervisé et aux algorithmes d'apprentissage non supervisé et à la différence entre eux.
Nous nous concentrerons sur l'apprentissage d'algorithmes d'apprentissage automatique supervisé couvrant la régression linéaire, la régression logistique, les machines à vecteurs de support, les arbres de décision et les réseaux de neurones artificiels. Pour chacun de ces algorithmes, vous travaillerez de manière pratique avec des ensembles de données open-source et utiliserez la programmation python pour programmer les algorithmes d'apprentissage automatique. Vous apprendrez à nettoyer les données et à optimiser les caractéristiques pour obtenir les meilleurs résultats de votre modèle d'apprentissage automatique. Vous apprendrez les différents paramètres qui déterminent la précision de votre modèle et comment vous pouvez ajuster votre modèle en fonction de la réflexion de ces paramètres.
Ce que vous apprendrez
⬤ Obtenir une vision claire de ce qu'est l'apprentissage automatique et se familiariser avec les principes de base de l'apprentissage automatique.
⬤ Comprendre les bibliothèques spécifiques au langage Python disponibles pour l'apprentissage automatique et être capable de travailler avec ces bibliothèques.
Explorer les différents algorithmes basés sur l'apprentissage supervisé dans l'apprentissage automatique et savoir comment les mettre en œuvre lorsqu'un cas d'utilisation en temps réel vous est présenté.
⬤ Avoir une expérience pratique de l'exploration des données, du nettoyage des données, du prétraitement des données et de l'implémentation de modèles.
⬤ Connaître les bases de l'apprentissage profond et certains algorithmes intéressants dans ce domaine.
⬤ Choisissez le bon modèle en fonction de l'énoncé de votre problème et travaillez avec les techniques EDA pour obtenir une bonne précision sur votre modèle.
A qui s'adresse ce livre ?
Ce livre s'adresse à tous ceux qui souhaitent comprendre l'apprentissage automatique. Les débutants, les ingénieurs en apprentissage automatique et les scientifiques qui veulent se familiariser avec les algorithmes d'apprentissage supervisé trouveront ce livre utile.
Table des matières
1. Introduction à la programmation Python.
2. Python pour l'apprentissage automatique.
3. Introduction à l'apprentissage automatique.
4. Apprentissage supervisé et apprentissage non supervisé.
5. Régression linéaire : Un guide pratique 6. Régression logistique - Une introduction.
7. Un aperçu du fonctionnement des machines à vecteurs de support (SVM)
8. Arbres de décision.
9. Forêts aléatoires.
10. Modèles de séries temporelles dans l'apprentissage automatique.
11. Introduction aux réseaux neuronaux.
12. Réseaux neuronaux récurrents.
13. Réseaux neuronaux convolutifs.
14. Mesures de performance.
15. Introduction à la réflexion sur la conception.
16. Étude de cas sur la réflexion conceptuelle.
Autres informations sur le livre :
| ISBN : | 9789389328974 |
| Auteur : | |
| Éditeur : | |
| Reliure : | Broché |
Achat:
Actuellement disponible, en stock.
