Avis des lecteurs
Résumé:Le livre reçoit des critiques mitigées de la part des utilisateurs, beaucoup louant son approche conviviale de l'apprentissage automatique et de la programmation Python, tandis que d'autres critiquent son manque de profondeur et certains problèmes logistiques liés à l'accès au matériel.
Avantages:- Conseils pas à pas adaptés aux débutants absolus en Python et en apprentissage automatique
Inconvénients:- Approche pratique avec des exemples de codage et des exercices
(basé sur 15 avis de lecteurs)
Titre original :
Python Machine Learning for Beginners: Learning from scratch NumPy, Pandas, Matplotlib, Seaborn, Scikitlearn, and TensorFlow for Machine Learning and
Contenu du livre :
Python Machine Learning pour les débutants.
L'apprentissage machine (ML) et l'intelligence artificielle (IA) sont là pour rester. Oui, c'est bien cela. Sur la base d'un grand nombre de données et de preuves, il est évident que l'apprentissage automatique et l'intelligence artificielle sont là pour rester. Prenez n'importe quel secteur d'activité aujourd'hui. Les applications pratiques de la ML permettent réellement d'obtenir des résultats commerciaux. Qu'il s'agisse des soins de santé, du commerce électronique, du gouvernement, des transports, des sites de médias sociaux, des services financiers, de la fabrication, du pétrole et du gaz, du marketing et des ventes... et j'en passe. La liste est longue. Il ne fait aucun doute que l'apprentissage automatique jouera un rôle décisif dans tous les domaines à l'avenir. Mais que fait un professionnel de l'apprentissage automatique ? Un spécialiste de l'apprentissage automatique développe des algorithmes intelligents qui apprennent à partir des données et s'adaptent rapidement à celles-ci. Ces algorithmes haut de gamme font ensuite des prédictions précises.
Python Machine Learning for Beginners vous présente une approche pratique pour apprendre rapidement l'apprentissage automatique.
En quoi ce livre est-il différent ?
AI Publishing croit fermement en la méthodologie de l'apprentissage par la pratique. C'est dans cet esprit que nous avons conçu ce livre avec soin. Vous constaterez que l'accent mis sur les aspects théoriques de l'apprentissage automatique est équivalent à l'accent mis sur les aspects pratiques du sujet. Dans la première moitié du livre, vous découvrirez en détail l'analyse et la visualisation des données. Puis, dans la seconde moitié, vous découvrirez l'apprentissage automatique et les modèles statistiques pour la science des données. Chaque chapitre présente le cadre théorique qui sous-tend les différentes techniques de science des données et d'apprentissage automatique, et des exemples pratiques illustrent le fonctionnement de ces techniques. Lorsque vous achetez ce livre, votre parcours d'apprentissage devient beaucoup plus facile. En effet, vous bénéficiez d'un accès instantané à l'ensemble du matériel pédagogique présenté avec ce livre - références, PDF, codes Python et exercices - sur le site Web de l'éditeur. Tout ce matériel est mis à votre disposition sans frais supplémentaires. Vous pouvez télécharger les ensembles de données ML utilisés dans ce livre au moment de l'exécution, ou vous pouvez y accéder via le dossier Resources/Datasets. Vous trouverez également le court cours sur la programmation Python dans le deuxième chapitre immensément utile, en particulier si vous êtes novice en Python. Étant donné que ce livre vous donne accès à tous les codes et ensembles de données Python, il vous suffit d'avoir accès à un ordinateur équipé d'Internet pour commencer.
Les thèmes abordés sont les suivants :
⬤ Introduction et configuration de l'environnement.
⬤ Cours accéléré de Python.
⬤ Bibliothèque NumPy pour l'analyse de données.
⬤ Introduction à la bibliothèque Pandas pour l'analyse des données.
⬤ Visualisation des données via les bibliothèques Matplotlib, Seaborn et Pandas.
⬤ Résolution des problèmes de régression en ML à l'aide de la bibliothèque Sklearn.
⬤ Résolution de problèmes de classification en ML à l'aide de la bibliothèque Sklearn.
⬤ Clustering de données avec ML en utilisant la bibliothèque Sklearn.
⬤ Apprentissage profond avec Python TensorFlow 2.0.
⬤ Réduction de la dimensionnalité avec PCA et LDA en utilisant Sklearn.
Cliquez sur le bouton ACHETER MAINTENANT pour commencer votre voyage dans l'apprentissage automatique.
Autres informations sur le livre :
| ISBN : | 9781734790153 |
| Auteur : | |
| Éditeur : | |
| Reliure : | Broché |
Achat:
Actuellement disponible, en stock.
