Avis des lecteurs
Résumé:Le livre a reçu des critiques mitigées, certains lecteurs le trouvant inutile pour les développeurs à la recherche de connaissances pratiques en matière de codage, tandis que d'autres apprécient son cadre théorique pour la compréhension des concepts de l'apprentissage automatique. Les préoccupations concernant la clarté du matériel et le manque d'exemples de codage semblent prédominantes, en particulier pour ceux qui ont une formation en programmation et qui cherchent à appliquer l'apprentissage automatique.
Avantages:Certains lecteurs ont trouvé que le livre fournissait une bonne compréhension théorique de l'apprentissage automatique, offrant un aperçu des problèmes potentiels lors de l'approche de l'apprentissage automatique. Il peut aider les lecteurs à évaluer s'ils sont prêts à relever ces défis sur la base de leurs connaissances existantes.
Inconvénients:De nombreux critiques ont reproché au livre d'être plus axé sur la discussion que sur le codage, de manquer de clarté dans les explications et de ne pas fournir suffisamment d'exemples pratiques. Il n'indique pas clairement la version de Visual Studio nécessaire pour réaliser les exercices, et de nombreux lecteurs se sont sentis plus confus qu'éclairés après la lecture.
(basé sur 4 avis de lecteurs)
Titre original :
Introducing Machine Learning
Contenu du livre :
Maîtriser les concepts de l'apprentissage automatique et développer des solutions concrètes
L'apprentissage automatique offre d'immenses possibilités, et Introducing Machine Learning fournit des connaissances pratiques pour en tirer le meilleur parti. Dino et Francesco Esposito commencent par un aperçu rapide des fondements de l'intelligence artificielle et des étapes de base de tout projet d'apprentissage automatique. Ensuite, ils présentent la puissante bibliothèque ML.NET de Microsoft, y compris les capacités de traitement des données, d'entraînement et d'évaluation. Ils présentent des familles d'algorithmes qui peuvent être formés pour résoudre des problèmes réels, ainsi que des techniques d'apprentissage profond utilisant des réseaux neuronaux. Les auteurs concluent en présentant les précieux services d'exécution disponibles sur la plateforme cloud Azure et envisagent la vision commerciale à long terme de l'apprentissage automatique.
- Dino Esposito et Francesco Esposito, 14 fois MVP de Microsoft, vous aident.
- Explorez ce que l'on sait sur la façon dont les humains apprennent et sur la façon dont les logiciels intelligents sont construits.
- Découvrir les problèmes que l'apprentissage automatique peut résoudre.
- Comprendre le pipeline de l'apprentissage automatique : les étapes menant à un modèle livrable.
- Utiliser AutoML pour sélectionner automatiquement le meilleur pipeline pour n'importe quel problème et ensemble de données.
- Maîtriser ML.NET, mettre en œuvre son pipeline et appliquer ses tâches et algorithmes.
- Explorer les fondements mathématiques de l'apprentissage automatique.
- Faire des prédictions, améliorer la prise de décision et appliquer des méthodes probabilistes.
- Regrouper les données via la classification et le clustering.
- Apprendre les principes fondamentaux de l'apprentissage profond, y compris la conception de réseaux neuronaux.
- Exploiter les services cloud d'IA pour élaborer plus rapidement de meilleures solutions dans le monde réel.
À propos de ce livre
- Pour les professionnels qui souhaitent créer des applications d'apprentissage automatique : à la fois les développeurs qui ont besoin de compétences en science des données et les scientifiques des données qui ont besoin de compétences en programmation.
- Inclut des exemples de scénarios de codage de l'apprentissage automatique construits à l'aide de la bibliothèque ML.NET.
Autres informations sur le livre :
| ISBN : | 9780135565667 |
| Auteur : | |
| Éditeur : | |
| Reliure : | Broché |
| Année de publication : | 2020 |
| Nombre de pages : | 256 |
Achat:
Actuellement disponible, en stock.
