Avis des lecteurs
Résumé:Le livre est critiqué pour son manque de profondeur dans l'enseignement de Julia et de l'apprentissage automatique, de nombreux critiques affirmant qu'il ne sert pas de tutoriel ou de référence complète. Cependant, une critique se démarque positivement, le décrivant comme excellent et hautement recommandable.
Avantages:Un auteur a trouvé le livre excellent et hautement recommandable.
Inconvénients:Le livre manque d'explications détaillées et de tutoriels sur Julia et l'apprentissage automatique, n'offrant qu'une vue d'ensemble superficielle des bibliothèques sans discussions approfondies ni valeur pratique. Il est considéré comme ayant peu de valeur ajoutée par rapport aux ressources en ligne disponibles gratuitement.
(basé sur 3 avis de lecteurs)
Titre original :
Julia for Machine Learning
Contenu du livre :
Libérez la puissance de Julia pour vos tâches d'apprentissage automatique.
Nous révélons pourquoi Julia est choisi pour de plus en plus de projets de science des données et d'apprentissage automatique, y compris la capacité de Julia à exécuter des algorithmes à la vitesse de l'éclair. Ensuite, nous vous montrons comment configurer Julia et divers IDE tels que Jupyter. Ensuite, nous explorons les principales bibliothèques de Julia, qui sont utiles pour le travail de science des données, y compris les paquets liés aux visuels, aux structures de données et aux processus mathématiques.
Après avoir construit une base en Julia, nous plongeons dans l'apprentissage automatique, avec des concepts fondamentaux renforcés par des cas d'utilisation de Julia. Les cas d'utilisation se construisent les uns sur les autres, jusqu'au niveau où nous codons un modèle d'apprentissage automatique à partir de zéro en utilisant Julia. Tous ces cas d'utilisation sont disponibles dans une série de carnets Jupyter.
Après avoir abordé les méthodes de réduction de la dimensionnalité, nous explorons d'autres sujets liés à l'apprentissage automatique, tels que la parallélisation et l'ingénierie des données. Bien qu'il soit essentiel de savoir comment utiliser Julia, il est encore plus important de communiquer nos résultats à l'entreprise, ce que nous couvrons ensuite, y compris la façon de travailler efficacement avec les parties prenantes du projet. Notre voyage dans Julia s'étend ensuite aux points les plus fins, y compris l'amélioration de la transparence de l'apprentissage automatique, la réconciliation de l'apprentissage automatique avec les statistiques et la poursuite de l'innovation avec Julia.
Les derniers chapitres couvrent les tendances futures dans les domaines de Julia, de l'apprentissage automatique et de l'intelligence artificielle. Nous expliquons les systèmes hybrides d'apprentissage automatique et de statistiques bayésiennes, ainsi que le langage Gen de Julia. Nous partageons de nombreuses ressources afin que vous puissiez continuer à affiner vos compétences en matière de Julia et d'apprentissage automatique.
Chaque chapitre se termine par une série de questions destinées à renforcer le contenu du chapitre, dont les réponses sont fournies en annexe. Les autres annexes comprennent un glossaire complet, des packages de transition entre Julia et d'autres langages de programmation, ainsi qu'un aperçu de trois heuristiques liées à la science des données et implémentées dans Julia, qui ne se trouvent dans aucun des packages existants.
Autres informations sur le livre :
| ISBN : | 9781634628136 |
| Auteur : | |
| Éditeur : | |
| Reliure : | Broché |
Achat:
Actuellement disponible, en stock.
