Avis des lecteurs
Il n'y a actuellement aucun avis de lecteur. La note est basée sur 2 votes.
Titre original :
Machine Learning for Beginners - 2nd Edition
Contenu du livre :
Apprenez à construire un pipeline complet d'apprentissage automatique en maîtrisant l'extraction et la sélection des caractéristiques, ainsi que la formation des algorithmes.
Caractéristiques principales
● Développer une solide compréhension des principes fondamentaux de l'apprentissage automatique.
● Maîtriser les méthodes de régression et de classification pour une prédiction et une catégorisation précises des données dans l'apprentissage automatique.
● Plonger dans des sujets avancés d'apprentissage automatique, y compris l'apprentissage non supervisé et l'apprentissage profond.
Description
La deuxième édition de « Machine Learning for Beginners » aborde les concepts et sujets clés de l'apprentissage automatique.
Le livre commence par une introduction aux principes fondamentaux de l'apprentissage automatique, suivie d'une discussion sur le prétraitement des données. Il se penche ensuite sur l'extraction et la sélection des caractéristiques, offrant une couverture complète de diverses techniques telles que la transformée de Fourier, la transformée de Fourier à court terme et les motifs binaires locaux. Le livre aborde ensuite l'analyse en composantes principales et l'analyse discriminante linéaire. Ensuite, le livre couvre les thèmes de la représentation des modèles, de l'entraînement, des tests et de la validation croisée. Il met l'accent sur la régression et la classification, en expliquant et en mettant en œuvre des méthodes telles que la descente de gradient. Les techniques de classification essentielles, y compris les k-voisins les plus proches, la régression logistique et les Bayes naïfs, sont également abordées en détail. Le livre présente ensuite une vue d'ensemble des réseaux neuronaux, y compris leur contexte biologique, les limites du perceptron et le modèle de rétropropagation. Il couvre également les machines à vecteurs de support et les méthodes à noyau. Les arbres de décision et les modèles d'ensemble sont également abordés. La dernière partie de l'ouvrage donne un aperçu de l'apprentissage non supervisé et de l'apprentissage profond, offrant aux lecteurs une vue d'ensemble de ces sujets avancés.
À la fin de ce livre, vous serez bien préparé pour explorer et appliquer l'apprentissage automatique dans divers scénarios du monde réel.
Ce que vous apprendrez
● Acquérir des compétences pour préparer efficacement les données aux tâches d'apprentissage automatique.
● Apprendre à mettre en œuvre des algorithmes d'apprentissage à partir de zéro.
● Exploiter la puissance de scikit-learn pour mettre en œuvre efficacement des algorithmes courants.
● Se familiariser avec diverses méthodes de sélection et d'extraction de fonctionnalités.
● Apprenez à mettre en œuvre des algorithmes de clustering.
À qui s'adresse ce livre ?
Ce livre s'adresse aux étudiants en informatique de premier et deuxième cycles, ainsi qu'aux professionnels souhaitant se lancer dans le domaine captivant de l'apprentissage automatique, en supposant qu'ils possèdent une connaissance de base de Python.
Table des matières
Section I : Principes fondamentaux
1. Introduction à l'apprentissage automatique
2. Le début : Le prétraitement des données
3. Sélection des caractéristiques
4. Extraction des caractéristiques
5. Développement de modèles
Section II : Apprentissage supervisé
6. Régression
7. K-voisins les plus proches
8. Classification : Régression logistique et classificateur de Naïve Bayes
9. Réseau neuronal I : Le perceptron
10. Réseau neuronal II : le perceptron multicouche
11. Machines à vecteurs de support
12. Arbres de décision
13. Introduction à l'apprentissage d'ensemble
Section III : Apprentissage non supervisé et apprentissage profond
14. Regroupement
15. Apprentissage profond
Annexe 1 : Glossaire
Annexe 2 : Méthodes/Techniques
Annexe 3 : Métriques et formules importantes
Annexe 4 : Visualisation - Matplotlib
Réponses aux questions à choix multiples
Bibliographie
Autres informations sur le livre :
| ISBN : | 9789355515636 |
| Auteur : | |
| Éditeur : | |
| Sous-titre : | Build and deploy Machine Learning systems using Python |
| Langue : | anglais |
| Reliure : | Broché |
| Année de publication : | 2023 |
| Nombre de pages : | 384 |
Achat:
Actuellement disponible, en stock.
