Avis des lecteurs
Il n'y a actuellement aucun avis de lecteur. La note est basée sur 2 votes.
Titre original :
Python Machine Learning: A Crash Course for Beginners to Understand Machine learning, Artificial Intelligence, Neural Networks, and Deep Learni
Contenu du livre :
Vous souhaitez apprendre quelques-uns des meilleurs algorithmes d'apprentissage automatique qui vous aideront à obtenir des résultats étonnants et à trier vos données ?
> > continuez à lire > >.
Ce guide va prendre le temps d'examiner comment travailler avec un projet d'apprentissage automatique Python. Nous allons explorer toutes les différentes parties de ce projet, y compris certains des différents algorithmes que nous pouvons explorer et utiliser pour trier certaines de nos données. Il s'agit d'une étape cruciale avant de plonger plus avant dans l'apprentissage automatique avec Python, car elle vous donnera une vue d'ensemble des algorithmes possibles à utiliser et de ceux qui conviennent le mieux à votre situation et à ce que vous voulez faire avec les résultats. Il y a tellement d'algorithmes différents et plus encore qui peuvent être utilisés qu'il n'est pas facile de trouver celui qui vous aidera dans votre analyse et vous permettra d'obtenir les résultats que vous souhaitez. Avec l'aide de ce guide, vous pourrez enfin commencer votre processus d'analyse de données et déterminer les meilleures étapes à suivre pour traiter vos données avec le bon algorithme, en un rien de temps. Il y a tant de choses à explorer en matière d'apprentissage automatique Python, et nous allons nous plonger dans tout cela. Certains des sujets que nous allons aborder dans ce guide concernent.
Vous apprendrez :
⬤ Les bases de l'apprentissage automatique et pourquoi il est si important de l'apprendre.
⬤ L'importance des données et les différents types de données qui apparaissent dans Python et comment les utiliser dans l'apprentissage automatique.
⬤ Quelques-uns des algorithmes d'apprentissage supervisé qui fonctionnent avec des régressions, y compris la régression polynomiale, la descente de gradient, la régression linéaire et la fonction de coût.
⬤ Comment travailler avec la régularisation et éviter le problème de l'overfitting.
⬤ Certains des meilleurs algorithmes d'apprentissage supervisé de la classification, y compris les régressions logistiques.
⬤ Comment travailler avec des modèles de classification non linéaires, comme les SVM et les réseaux neuronaux, pour vos besoins.
⬤ Les différentes techniques de validation et d'optimisation que vous pouvez utiliser pour vous assurer que vos algorithmes répondent comme vous le souhaitez.
⬤ Les différentes techniques de validation et d'optimisation que vous pouvez utiliser pour vous assurer que vos algorithmes réagissent comme vous le souhaitez.
⬤ Un aperçu de l'analyse en composantes principales et de l'analyse discriminante linéaire et de leur comparaison.
Beaucoup de choses peuvent entrer en jeu lorsque vous travaillez avec l'apprentissage automatique, et lorsque nous combinons le langage Python, nous pouvons créer certaines des meilleures analyses de données dont nous avons besoin. La combinaison de l'apprentissage automatique et de Python nous ouvrira les portes de l'amélioration ou de l'ajout d'un petit plus dans notre processus. Lorsque vous serez prêt à en apprendre davantage sur l'apprentissage automatique Python, faites défiler le haut de la page et sélectionnez ACHETER MAINTENANT.
Autres informations sur le livre :
| ISBN : | 9781708023065 |
| Auteur : | |
| Éditeur : | |
| Reliure : | Broché |
Achat:
Actuellement disponible, en stock.
