Avis des lecteurs
Résumé:Ce livre est un guide pratique de l'apprentissage automatique, qui s'adresse aussi bien aux débutants qu'aux personnes ayant une certaine expérience. Bien qu'il offre des explications claires et qu'il mette fortement l'accent sur les algorithmes applicables, certains lecteurs estiment que certains contenus sont traités trop brièvement.
Avantages:Excellente clarté et orientation pratique pour la mise en œuvre des algorithmes d'apprentissage automatique.
Inconvénients:Pertinent et à jour avec les applications contemporaines.
(basé sur 5 avis de lecteurs)
Titre original :
Python Machine Learning Cookbook: 100 recipes that teach you how to perform various machine learning tasks in the real world
Contenu du livre :
100 recettes qui vous apprennent à effectuer diverses tâches d'apprentissage automatique dans le monde réel.
Caractéristiques principales
⬤ Comprendre quels algorithmes utiliser dans un contexte donné à l'aide de ce guide passionnant basé sur des recettes.
⬤ Les algorithmes d'apprentissage automatique sont des outils qui vous permettent de comprendre les algorithmes à utiliser dans un contexte donné avec l'aide de ce guide passionnant basé sur des recettes.
⬤ Vous n'arrivez pas à comprendre les images, le texte, la parole et l'immobilier ? Ce guide viendra à votre secours en vous montrant comment effectuer de l'apprentissage automatique pour chacun de ces éléments à l'aide de différentes techniques.
Description du livre
L'apprentissage automatique est de plus en plus omniprésent dans le monde moderne axé sur les données. Il est largement utilisé dans de nombreux domaines tels que les moteurs de recherche, la robotique, les voitures autonomes, etc.
Ce livre vous permettra d'apprendre à effectuer diverses tâches d'apprentissage automatique dans différents environnements. Nous commencerons par explorer une série de scénarios réels dans lesquels l'apprentissage automatique peut être utilisé, et nous examinerons les différents blocs de construction. Tout au long du livre, vous utiliserez une grande variété d'algorithmes d'apprentissage automatique pour résoudre des problèmes réels et vous utiliserez Python pour mettre en œuvre ces algorithmes.
Vous découvrirez comment traiter différents types de données et explorerez les différences entre les paradigmes d'apprentissage automatique tels que l'apprentissage supervisé et non supervisé. Nous couvrons également une série de techniques de régression, d'algorithmes de classification, de modélisation prédictive, de techniques de visualisation des données, de moteurs de recommandation, et plus encore, à l'aide d'exemples du monde réel.
Ce que vous apprendrez
⬤ Explorer les algorithmes de classification et les appliquer au problème de l'estimation des tranches de revenus.
⬤ Utiliser la modélisation prédictive et l'appliquer à des problèmes du monde réel.
⬤ Comprendre comment effectuer une segmentation de marché en utilisant l'apprentissage non supervisé.
⬤ Explorer les techniques de visualisation des données pour interagir avec vos données de diverses manières.
⬤ Découvrir comment construire un moteur de recommandation.
⬤ Comprendre comment interagir avec des données textuelles et construire des modèles pour les analyser.
⬤ Travailler avec des données vocales et reconnaître les mots prononcés à l'aide de modèles de Markov cachés.
⬤ Analyser les données boursières à l'aide de champs aléatoires conditionnels.
⬤ Travailler avec des données d'images et construire des systèmes de reconnaissance d'images et de visages biométriques.
⬤ Comprendre comment utiliser les réseaux neuronaux profonds pour construire un système de reconnaissance optique de caractères.
Autres informations sur le livre :
| ISBN : | 9781786464477 |
| Auteur : | |
| Éditeur : | |
| Langue : | anglais |
| Reliure : | Broché |
Achat:
Actuellement disponible, en stock.
