Titre original :
Thinking Data Science: A Data Science Practitioner's Guide
Contenu du livre :
Ce guide définitif des projets d'apprentissage automatique répond aux problèmes que rencontrent fréquemment les scientifiques des données, qu'ils soient en herbe ou expérimentés : Vous ne savez pas quelle technologie utiliser pour votre développement de ML ? Dois-je utiliser GOFAI, ANN/DNN ou l'apprentissage par transfert ? Puis-je me fier à AutoML pour le développement de modèles ? Que faire si le client me fournit des giga-octets et des téra-octets de données pour développer des modèles analytiques ? Comment gérer les ensembles de données dynamiques à haute fréquence ? Ce livre fournit au praticien une consolidation de l'ensemble du processus de science des données en une seule "fiche de vérification".
Le défi pour un scientifique des données est d'extraire des informations significatives à partir d'énormes ensembles de données qui aideront à créer de meilleures stratégies pour les entreprises. De nombreux algorithmes d'apprentissage automatique et réseaux neuronaux sont conçus pour effectuer des analyses sur de tels ensembles de données.
Pour un scientifique des données, le choix de l'algorithme à utiliser pour un ensemble de données donné est une tâche ardue. Bien qu'il n'y ait pas de réponse unique à cette question, une approche systématique de la résolution des problèmes est nécessaire. Ce livre décrit les différents algorithmes de ML d'un point de vue conceptuel et définit/discute un processus de sélection des modèles ML/DL.
La consolidation des algorithmes et des techniques disponibles pour concevoir des modèles de ML efficaces est l'aspect clé de ce livre. Thinking Data Science aidera les data scientists en exercice, les universitaires, les chercheurs et les étudiants qui souhaitent construire des modèles de ML en utilisant les algorithmes et les architectures appropriés, que les données soient petites ou grandes.
Autres informations sur le livre :
| ISBN : | 9783031023620 |
| Auteur : | |
| Éditeur : | |
| Langue : | anglais |
| Reliure : | Relié |
| Année de publication : | 2023 |
| Nombre de pages : | 358 |
Achat:
Actuellement disponible, en stock.
