Avis des lecteurs
Résumé:Ce livre est considéré comme une ressource éducative pour les débutants en apprentissage automatique, car il fournit une base solide et des explications claires. Il est bien structuré, avec des définitions détaillées, des études de cas et une approche complète du sujet. Cependant, il manque d'exemples de code et le style d'écriture peut parfois être aride.
Avantages:Facile à lire et à suivre, bien organisé, fournit une base solide, des études de cas détaillées, des explications claires des algorithmes, un bon équilibre entre la théorie et l'aspect pratique, idéal pour les débutants complets, une profondeur complète dans les processus d'apprentissage automatique, une impression de haute qualité.
Inconvénients:Manque d'exemples de code pour l'expérience pratique, l'écriture peut être sèche et peu engageante, certains concepts pourraient bénéficier d'une plus grande concision, peut nécessiter une bonne maîtrise de l'anglais.
(basé sur 13 avis de lecteurs)
Titre original :
Fundamentals of Machine Learning for Predictive Data Analytics, Second Edition: Algorithms, Worked Examples, and Case Studies
Contenu du livre :
La deuxième édition d'une introduction complète aux approches d'apprentissage automatique utilisées dans l'analyse prédictive des données, couvrant à la fois la théorie et la pratique.
L'apprentissage automatique est souvent utilisé pour construire des modèles prédictifs en extrayant des modèles à partir de grands ensembles de données. Ces modèles sont utilisés dans des applications d'analyse prédictive de données, notamment la prédiction des prix, l'évaluation des risques, la prédiction du comportement des clients et la classification des documents. Ce manuel d'introduction propose un traitement détaillé et ciblé des principales approches d'apprentissage automatique utilisées dans l'analyse prédictive des données, couvrant à la fois les concepts théoriques et les applications pratiques. Le matériel technique et mathématique est complété par des exemples pratiques explicatifs, et des études de cas illustrent l'application de ces modèles dans le contexte plus large de l'entreprise. Cette deuxième édition couvre les développements récents de l'apprentissage automatique, en particulier dans un nouveau chapitre sur l'apprentissage profond, et deux nouveaux chapitres qui vont au-delà de l'analyse prédictive pour couvrir l'apprentissage non supervisé et l'apprentissage par renforcement.
Le livre est accessible, offrant des explications non techniques des idées qui sous-tendent chaque approche avant d'introduire des modèles mathématiques et des algorithmes. Il est ciblé et approfondi, fournissant aux étudiants des connaissances détaillées sur les concepts de base, ce qui leur donne une base solide pour explorer le domaine par eux-mêmes. Les premiers chapitres et les dernières études de cas illustrent la manière dont le processus d'apprentissage des modèles prédictifs s'inscrit dans le contexte plus large de l'entreprise. Les deux études de cas décrivent des projets spécifiques d'analyse de données à travers chaque phase de développement, de la formulation du problème commercial à la mise en œuvre de la solution analytique. Ce livre peut être utilisé comme manuel d'introduction ou comme référence pour les professionnels.
Autres informations sur le livre :
| ISBN : | 9780262044691 |
| Auteur : | |
| Éditeur : | |
| Reliure : | Relié |
| Année de publication : | 2020 |
| Nombre de pages : | 856 |
Achat:
Actuellement disponible, en stock.
