Avis des lecteurs
Résumé:Ce livre est un excellent guide d'introduction à l'apprentissage automatique en R, décomposant facilement des concepts complexes pour les débutants. Cependant, il est fortement critiqué pour ses nombreuses fautes de frappe et erreurs qui peuvent dérouter les lecteurs, en particulier les novices.
Avantages:⬤ Facile à comprendre
⬤ bon contenu introductif
⬤ introduction complète aux concepts de l'apprentissage automatique
⬤ inclut des exemples pratiques utilisant le package caret
⬤ bonne structure pour les débutants.
⬤ Criblé de fautes de frappe et d'erreurs
⬤ le résultat ne correspond pas au texte fourni
⬤ problèmes de qualité d'impression
⬤ de nombreux lecteurs recommandent d'attendre une édition révisée en raison de l'absence de relecture.
(basé sur 7 avis de lecteurs)
Titre original :
Introduction to Machine Learning with R: Rigorous Mathematical Analysis
Contenu du livre :
L'apprentissage automatique est un sujet intimidant tant que l'on n'en connaît pas les fondements. Si vous comprenez les concepts de base du codage, ce guide d'introduction vous aidera à acquérir une base solide dans les principes de l'apprentissage automatique.
En utilisant le langage de programmation R, vous commencerez par apprendre la modélisation de la régression avant d'aborder des sujets plus avancés tels que les réseaux neuronaux et les méthodes basées sur les arbres. Enfin, vous plongerez dans la frontière de l'apprentissage automatique, en utilisant le package caret dans R. Une fois que vous vous serez familiarisé avec des sujets tels que la différence entre les modèles de régression et de classification, vous serez en mesure de résoudre un éventail de problèmes d'apprentissage automatique.
L'auteur, Scott V.
Burger, fournit plusieurs exemples pour vous aider à acquérir une connaissance pratique de l'apprentissage automatique. Explorer les modèles d'apprentissage automatique, les algorithmes et la formation des données.
Comprendre les algorithmes d'apprentissage automatique pour les cas supervisés et non supervisés. Examiner les concepts statistiques pour concevoir des données à utiliser dans les modèles. Plonger dans les modèles de régression linéaire utilisés dans le monde des affaires et des sciences.
Utiliser des réseaux neuronaux monocouches et multicouches pour calculer les résultats. Examiner le fonctionnement des modèles à base d'arbres, y compris les arbres de décision les plus populaires. Obtenir une vue d'ensemble de l'écosystème de l'apprentissage automatique en R.
Explorer la puissance des outils disponibles dans le package caret de R.
Autres informations sur le livre :
| ISBN : | 9781491976449 |
| Auteur : | |
| Éditeur : | |
| Reliure : | Broché |
| Année de publication : | 2018 |
| Nombre de pages : | 200 |
Achat:
Actuellement disponible, en stock.
