Avis des lecteurs
Résumé:Le livre fournit une compréhension de base de l'IA et des réseaux neuronaux utilisant R, mais souffre de problèmes grammaticaux et d'un manque d'approfondissement dans certains domaines. Bien qu'il soit apprécié pour sa bonne structure et sa clarté pour les débutants, de nombreux critiques soulignent ses lacunes en matière de qualité d'écriture et de couverture de contenu spécifique.
Avantages:⬤ Présentation bien écrite et séquentielle
⬤ bon pour les débutants
⬤ explications concises
⬤ exemples R utiles
⬤ mélange la théorie avec des exemples de la vie réelle
⬤ hautement recommandé pour les enthousiastes de la programmation R et de la science des données.
⬤ Contient des problèmes grammaticaux et un anglais étrange
⬤ manque de profondeur dans les sujets
⬤ certaines déclarations ne sont pas scientifiques
⬤ graphiques de mauvaise qualité
⬤ petite taille de police pour les formules
⬤ dans l'ensemble pourrait être mieux écrit compte tenu du prix.
(basé sur 10 avis de lecteurs)
Titre original :
Neural Networks with R: Build smart systems by implementing popular deep learning models in R
Contenu du livre :
Construire une base solide pour entrer dans le monde de l'apprentissage automatique et de la science des données avec l'aide de ce guide complet.
Caractéristiques principales
⬤ Ce guide solide, riche en concepts et très pratique, vous permettra de vous lancer dans le domaine de l'apprentissage automatique.
⬤ Il s'agit d'une solution unique pour tout ce qui concerne la maîtrise du pourquoi et du comment des algorithmes d'apprentissage automatique et de leur mise en œuvre.
⬤ Ce guide complet vous permettra d'acquérir une base solide pour votre entrée dans le Machine Learning en renforçant vos racines (algorithmes).
Description du livre
Alors que la quantité de données continue de croître à un rythme presque incompréhensible, la capacité à comprendre et à traiter les données devient un facteur clé de différenciation pour les organisations compétitives. Les applications d'apprentissage automatique sont omniprésentes, qu'il s'agisse de voitures autonomes, de détection de spam, de recherche de documents, de stratégies commerciales ou de reconnaissance vocale. L'apprentissage automatique est donc bien adapté à l'ère actuelle du Big Data et de la science des données. Le principal défi consiste à transformer les données en connaissances exploitables.
Dans ce livre, vous apprendrez tous les algorithmes importants d'apprentissage automatique qui sont couramment utilisés dans le domaine de la science des données. Ces algorithmes peuvent être utilisés pour l'apprentissage supervisé et non supervisé, l'apprentissage par renforcement et l'apprentissage semi-supervisé. Quelques algorithmes célèbres sont abordés dans ce livre : régression linéaire, régression logistique, SVM, Naive Bayes, K-Means, Random Forest, TensorFlow et Feature engineering. Dans ce livre, vous apprendrez également comment ces algorithmes fonctionnent et leur mise en œuvre pratique pour résoudre vos problèmes. Ce livre vous présentera également le langage de traitement naturel et les systèmes de recommandation, qui vous aideront à exécuter plusieurs algorithmes simultanément.
À l'issue de ce livre, vous maîtriserez la sélection des algorithmes d'apprentissage automatique pour le regroupement, la classification ou la régression en fonction de votre problème.
Ce que vous apprendrez
⬤ Se familiariser avec les éléments importants de l'apprentissage automatique.
⬤ Comprendre le processus de sélection et d'ingénierie des caractéristiques.
⬤ Évaluer les compromis de performance et d'erreur pour la régression linéaire.
⬤ Construire un modèle de données et comprendre comment il fonctionne en utilisant différents types d'algorithmes.
⬤ Apprendre à régler les paramètres des machines à vecteurs de support.
⬤ Mettre en œuvre des clusters dans un ensemble de données.
⬤ Explorer le concept de traitement naturel du langage et des systèmes de recommandation.
⬤ Créer une architecture de traitement naturel à partir de zéro.
A qui s'adresse ce livre ?
Ce livre s'adresse aux professionnels de l'informatique qui souhaitent entrer dans le domaine de la science des données et qui sont très novices en matière d'apprentissage automatique. La familiarité avec des langages tels que R et Python sera précieuse ici.
Autres informations sur le livre :
| ISBN : | 9781788397872 |
| Auteur : | |
| Éditeur : | |
| Reliure : | Broché |
Achat:
Actuellement disponible, en stock.
