Note :
Ce livre est très apprécié en tant qu'introduction accessible à l'apprentissage automatique à l'aide de Python, en particulier la bibliothèque scikit-learn. Il offre une approche pratique, se concentrant sur l'application et l'expérience pratique plutôt que sur des connaissances théoriques approfondies, ce qui le rend idéal pour les débutants.
Avantages:Bien écrit et facile à suivre, approche pratique avec un fort accent sur l'utilisation de scikit-learn, couvre divers algorithmes populaires d'apprentissage automatique, inclut la pratique et des exemples du monde réel, bon pour les débutants souhaitant une compréhension de base et une introduction rapide à l'apprentissage automatique.
Inconvénients:Manque d'exploration en profondeur des concepts mathématiques ou statistiques derrière les algorithmes, peut être trop basique pour ceux qui recherchent une compréhension théorique de l'apprentissage automatique.
(basé sur 6 avis de lecteurs)
The Machine Learning Workshop - Second Edition: Get ready to develop your own high-performance machine learning algorithms with scikit-learn
Approche complète et progressive de la compréhension de l'apprentissage automatique.
Principales caractéristiques.
⬤ Découvrez comment appliquer l'API uniforme scikit-learn à tous les types de modèles d'apprentissage automatique.
⬤ Comprendre la différence entre les modèles d'apprentissage supervisés et non supervisés.
⬤ Les modèles d'apprentissage supervisé et non supervisé sont différents, et les modèles d'apprentissage non supervisé sont différents.
Description du livre
Les algorithmes d'apprentissage automatique font partie intégrante de presque toutes les applications modernes. Pour rendre le processus d'apprentissage plus rapide et plus précis, vous avez besoin d'un outil suffisamment flexible et puissant pour vous aider à construire des algorithmes d'apprentissage automatique rapidement et facilement. Avec The Machine Learning Workshop, vous maîtriserez la bibliothèque scikit-learn et deviendrez compétent dans le développement d'algorithmes d'apprentissage automatique intelligents.
L'atelier sur l'apprentissage automatique commence par démontrer le fonctionnement des algorithmes d'apprentissage non supervisé et supervisé en analysant un ensemble de données réelles sur les clients du commerce de gros. Une fois que vous aurez assimilé les principes de base, vous développerez un réseau neuronal artificiel à l'aide de scikit-learn et améliorerez ensuite ses performances en ajustant les hyperparamètres. Vers la fin de l'atelier, vous étudierez l'ensemble des données relatives aux activités de marketing d'une banque et construirez des modèles d'apprentissage automatique capables de dresser la liste des clients susceptibles de souscrire à un dépôt à terme. Vous apprendrez également à comparer ces modèles et à sélectionner le modèle optimal.
À la fin de l'atelier sur l'apprentissage automatique, vous aurez non seulement appris la différence entre les modèles supervisés et non supervisés et leurs applications dans le monde réel, mais vous aurez également développé les compétences nécessaires pour commencer à programmer vos propres algorithmes d'apprentissage automatique.
Ce que vous apprendrez
⬤ Comprendre comment sélectionner un algorithme qui correspond le mieux à votre ensemble de données et au résultat souhaité.
⬤ Explorer les algorithmes populaires du monde réel tels que K-means, Mean-Shift et DBSCAN.
⬤ Découvrir différentes approches pour résoudre les problèmes de classification de l'apprentissage automatique.
⬤ Développer des structures de réseaux neuronaux à l'aide du progiciel scikit-learn.
⬤ Utiliser l'algorithme NN pour créer des modèles permettant de prédire des résultats futurs.
⬤ Effectuer une analyse des erreurs pour améliorer les performances de votre modèle.
A qui s'adresse ce livre ?
L'atelier sur l'apprentissage automatique est parfait pour les débutants en apprentissage automatique. Vous aurez besoin d'une expérience en programmation Python, mais aucune connaissance préalable de scikit-learn et de l'apprentissage automatique n'est nécessaire.
© Book1 Group - tous droits réservés.
Le contenu de ce site ne peut être copié ou utilisé, en tout ou en partie, sans l'autorisation écrite du propriétaire.
Dernière modification: 2024.11.14 07:32 (GMT)