Avis des lecteurs
Résumé:Le livre sert de référence et de vue d'ensemble des concepts de l'apprentissage automatique, mais les avis divergent quant à son accessibilité pour les débutants. Certains utilisateurs le louent pour sa simplicité et sa concision, tandis que d'autres lui reprochent de supposer des connaissances préalables.
Avantages:** Il s'agit d'une excellente ressource pour se référer aux concepts de l'apprentissage automatique et se les remémorer. ** Concision et longueur gérable, ce qui en fait un ouvrage rapide à lire. ** Utilisation équilibrée du texte et des figures, fournissant des instructions claires et des exemples visuels. ** Rédigé dans un anglais simple, accessible à ceux qui n'ont pas de solides connaissances en mathématiques. ** Il comprend de nombreuses ressources supplémentaires dans les notes de bas de page et les annexes.
Inconvénients:** Suppose une certaine connaissance préalable des concepts de statistique et d'apprentissage automatique, ce qui peut dérouter les débutants absolus. ** Certaines sections ne sont pas claires et peuvent nécessiter plusieurs lectures pour être comprises. ** Des problèmes de formatage ont nui aux premières impressions. ** Manque d'exemples approfondis pour certains sujets, et certains lecteurs ont eu l'impression que certains algorithmes n'étaient pas expliqués de manière adéquate. ** Les critiques mentionnent de nombreuses fautes de frappe et des explications maladroites, ce qui nuit à la clarté du contenu.
(basé sur 185 avis de lecteurs)
Titre original :
Machine Learning For Absolute Beginners: A Plain English Introduction
Contenu du livre :
Présenté par Tableau comme le premier des "7 livres sur l'apprentissage automatique pour les débutants". Prêt à faire tourner un serveur virtuel et à traiter des pétaoctets de données ? Vous voulez ajouter "Machine Learning" à votre profil LinkedIn ? Attendez un peu... Avant de vous lancer dans cette épopée, vous devez d'abord vous familiariser avec quelques principes théoriques et statistiques. Mais plutôt que de dépenser 30 à 50 dollars pour un long et dense manuel, vous pouvez commencer par lire ce livre. En tant qu'alternative claire et concise à un manuel, ce livre fournit une introduction pratique et de haut niveau à l'apprentissage automatique. Machine Learning for Absolute Beginners Second Edition a été écrit et conçu pour les débutants absolus. Cela signifie que les explications sont rédigées en langage clair et qu'aucune expérience en matière de codage n'est requise. Lorsque des algorithmes de base sont présentés, des explications claires et des exemples visuels sont ajoutés pour faciliter le suivi à la maison.
Cette nouvelle édition majeure présente de nombreux sujets qui n'avaient pas été abordés dans la première édition, notamment la validation croisée, l'épuration des données et la modélisation d'ensemble. Ce livre n'est pas une suite de la première édition, mais plutôt une version restructurée et remaniée de la première édition. Les lecteurs de la première édition ne doivent pas se sentir obligés d'acheter cette deuxième édition. Si vous avez dépassé le stade de "débutant" dans votre étude de l'apprentissage automatique et que vous êtes prêt à vous attaquer au codage et à l'apprentissage profond, vous seriez bien servi par un manuel long format. Si, en revanche, vous n'avez pas encore atteint ce moment du Roi Lion - comme un Simba adulte regardant les terres de la Fierté d'Afrique - alors ce livre est fait pour vous hisser doucement vers le haut et vous offrir une vision claire du terrain.
Dans ce guide étape par étape, vous apprendrez : - Comment télécharger des ensembles de données gratuits - De quels outils et bibliothèques d'apprentissage automatique avez-vous besoin - Les techniques de nettoyage des données, y compris l'encodage à une touche, le regroupement et le traitement des données manquantes - La préparation des données pour l'analyse, y compris k -fold Validation - l'analyse de régression pour créer des lignes de tendance - Clustering, y compris k -Means Clustering pour trouver de nouvelles relations - Les bases des Réseaux neuronaux - Biais/Variance pour améliorer votre modèle d'apprentissage automatique - Arbres de décision pour décoder la classification - Comment construire votre premier Modèle d'apprentissage automatique pour prédire la valeur des maisons en utilisant Python Foire aux questions Q : Ai-je besoin d'une expérience en programmation pour compléter ce livre ? R : Ce livre est conçu pour les débutants absolus, aucune expérience en programmation n'est donc requise. Cependant, deux des derniers chapitres introduisent Python pour démontrer un modèle d'apprentissage automatique réel, de sorte que vous verrez le langage de programmation utilisé dans ce livre. Q : J'ai déjà acheté la première édition de ce livre, dois-je acheter cette deuxième édition ? R : Comme la majorité des sujets de la première édition sont couverts dans la deuxième édition, il est préférable que vous lisiez un ouvrage plus avancé sur l'apprentissage automatique. Q : Puis-je avoir accès à la version Kindle de ce livre ? R : Oui.
Dans le cadre du programme Matchbook d'Amazon, l'acheteur de ce livre peut ajouter gratuitement la version Kindle de ce titre (d'une valeur de 3,99 USD) à sa bibliothèque Amazon Kindle. Q : Ce livre contient-il tout ce dont j'ai besoin pour devenir un expert en apprentissage automatique ? R : Ce livre est conçu pour les lecteurs qui font leurs premiers pas dans l'apprentissage automatique et un apprentissage plus approfondi sera nécessaire au-delà de ce livre pour maîtriser l'apprentissage automatique.
Autres informations sur le livre :
| ISBN : | 9781549617218 |
| Auteur : | |
| Éditeur : | |
| Reliure : | Broché |
Achat:
Actuellement disponible, en stock.
