Avis des lecteurs
Résumé:Ce livre fournit une introduction complète à l'apprentissage automatique avec Python, en équilibrant la théorie et le codage pratique. Il est particulièrement utile pour ceux qui ont des connaissances intermédiaires en statistiques et en programmation, bien qu'il puisse ne pas convenir aux débutants absolus en raison de sa complexité. De nombreux utilisateurs apprécient les explications claires des auteurs, les aides visuelles et les exemples pratiques, tandis que certains le critiquent pour sa courbe d'apprentissage abrupte et le manque de détails dans certains domaines.
Avantages:⬤ Excellentes explications et visualisations
⬤ preuves mathématiques solides
⬤ couverture complète des techniques d'apprentissage automatique
⬤ adapté aux utilisateurs intermédiaires
⬤ exemples pratiques avec code Python
⬤ notes précieuses issues de l'expérience des auteurs
⬤ sert de référence utile pour la résolution de problèmes dans l'apprentissage automatique.
⬤ Pas adapté aux débutants
⬤ courbe d'apprentissage abrupte
⬤ certains utilisateurs le trouvent difficile à assimiler
⬤ problèmes occasionnels de qualité d'impression
⬤ problèmes d'utilisation du format Kindle
⬤ trop d'accent sur l'algèbre linéaire sans explications simples
⬤ certains contenus peuvent être obsolètes ou manquer de profondeur dans certains domaines.
(basé sur 107 avis de lecteurs)
Titre original :
Python Machine Learning, Second Edition: Machine Learning and Deep Learning with Python, scikit-learn, and TensorFlow
Contenu du livre :
Débloquez les techniques modernes d'apprentissage automatique et d'apprentissage profond avec Python en utilisant les dernières bibliothèques Python open source à la pointe de la technologie.
Caractéristiques principales.
⬤ Deuxième édition du best-seller sur l'apprentissage automatique.
⬤ Une approche pratique des cadres clés de la science des données, de l'apprentissage automatique et de l'apprentissage profond.
⬤ Les bibliothèques Python les plus puissantes pour mettre en œuvre l'apprentissage automatique et l'apprentissage profond.
⬤ Les meilleures pratiques pour améliorer et optimiser vos systèmes et algorithmes d'apprentissage automatique.
Description du livre.
.
Note de l'éditeur : Cette édition de 2017 est obsolète et n'est pas compatible avec TensorFlow 2 ni avec aucune des mises à jour les plus récentes des bibliothèques Python. Une nouvelle troisième édition, mise à jour pour 2020 et intégrant TensorFlow 2 et les dernières nouveautés en matière de scikit-learn, d'apprentissage par renforcement et de GAN, vient d'être publiée.
L'apprentissage automatique est en train de dévorer le monde du logiciel, et maintenant l'apprentissage profond est en train d'étendre l'apprentissage automatique. Comprenez et travaillez à la pointe de l'apprentissage automatique, des réseaux neuronaux et de l'apprentissage profond grâce à cette deuxième édition du best-seller de Sebastian Raschka, Python Machine Learning. S'appuyant sur les bibliothèques open source de Python, ce livre offre les connaissances pratiques et les techniques dont vous avez besoin pour créer et contribuer à l'apprentissage automatique, à l'apprentissage profond et à l'analyse moderne des données.
Entièrement étendue et modernisée, la deuxième édition de Python Machine Learning inclut désormais la célèbre bibliothèque d'apprentissage profond TensorFlow 1. x. Le code scikit-learn a également été entièrement mis à jour à la version 0.18. 1 afin d'inclure les améliorations et les ajouts à cette bibliothèque polyvalente d'apprentissage machine.
La vision et l'expertise uniques de Sebastian Raschka et Vahid Mirjalili vous présentent les algorithmes d'apprentissage automatique et d'apprentissage profond à partir de zéro, et vous montrent comment les appliquer aux défis pratiques de l'industrie à l'aide d'exemples réalistes et intéressants. À la fin de l'ouvrage, vous serez prêt à saisir les nouvelles opportunités en matière d'analyse de données.
Si vous avez lu la première édition de ce livre, vous serez ravi d'y trouver un équilibre entre les idées classiques et les perspectives modernes de l'apprentissage automatique. Chaque chapitre a fait l'objet d'une mise à jour critique et de nouveaux chapitres sont consacrés aux technologies clés. Vous serez en mesure d'apprendre et de travailler avec TensorFlow 1.x plus profondément que jamais, et vous obtiendrez une couverture essentielle de la bibliothèque de réseaux neuronaux Keras, ainsi que des mises à jour de scikit-learn 0.18. 1.
Ce que vous apprendrez
⬤ Comprendre les cadres clés de la science des données, de l'apprentissage automatique et de l'apprentissage profond.
⬤ Les techniques de l'apprentissage automatique en utilisant les outils de la science des données, de l'apprentissage automatique et de l'apprentissage profond.
⬤ Explorer les techniques d'apprentissage automatique en utilisant des données réelles difficiles.
⬤ Maîtriser la mise en œuvre de réseaux neuronaux profonds à l'aide de la bibliothèque TensorFlow 1.x.
⬤ Apprenez les mécanismes des algorithmes de classification pour mettre en œuvre le meilleur outil pour le travail.
⬤ Prédire les résultats d'une cible continue à l'aide de l'analyse de régression.
⬤ Découvrir des modèles et des structures cachés dans les données avec le clustering.
⬤ Les données textuelles et les données des médias sociaux sont analysées en profondeur à l'aide de l'analyse des sentiments.
A qui s'adresse ce livre ?
Si vous connaissez un peu Python et que vous souhaitez utiliser l'apprentissage automatique et l'apprentissage profond, prenez ce livre. Que vous souhaitiez partir de zéro ou approfondir vos connaissances en matière d'apprentissage automatique, il s'agit d'une ressource essentielle et incontournable. Écrit pour les développeurs et les scientifiques des données qui veulent créer du code pratique d'apprentissage automatique et d'apprentissage profond, ce livre est idéal pour les développeurs et les scientifiques des données qui veulent enseigner aux ordinateurs comment apprendre à partir des données.
Autres informations sur le livre :
| ISBN : | 9781787125933 |
| Auteur : | |
| Éditeur : | |
| Reliure : | Broché |
| Année de publication : | 2017 |
| Nombre de pages : | 622 |
Achat:
Actuellement disponible, en stock.
