Avis des lecteurs
Résumé:Le livre est loué pour être une excellente et concise introduction à l'apprentissage automatique, mais il a été critiqué pour contenir de nombreuses erreurs, en particulier pour les débutants, ce qui entraîne une certaine frustration. La conception et la qualité des matériaux ont été notées positivement dans une critique.
Avantages:⬤ Introduction concise à l'apprentissage automatique
⬤ bien conçue avec du matériel de qualité
⬤ fournit des ressources de soutien pour les débutants
⬤ expérience d'achat favorable pour certains lecteurs.
⬤ Contient de nombreuses erreurs qui peuvent frustrer les débutants
⬤ soutien médiocre de l'éditeur et difficulté à télécharger les livres électroniques
⬤ expérience négative qui a conduit certains lecteurs à retourner le livre.
(basé sur 3 avis de lecteurs)
Titre original :
Python Scikit-Learn for Beginners: Scikit-Learn Specialization for Data Scientist
Contenu du livre :
Python pour les scientifiques des données - Spécialisation Scikit-Learn.
Scikit-Learn, également connu sous le nom de Sklearn, est une bibliothèque d'apprentissage machine (ML) gratuite et open-source utilisée pour le langage Python. Cette bibliothèque a été rendue publique pour la première fois en février 2010. En moins de trois ans, elle est devenue l'une des bibliothèques d'apprentissage automatique les plus populaires sur Github. Scikit-learn est le meilleur point de départ pour accéder à des implémentations faciles à utiliser et de premier ordre d'algorithmes populaires. Cette bibliothèque accélère le développement de modèles d'apprentissage automatique. Les principales caractéristiques de la bibliothèque Scikit-learn sont les algorithmes de régression, de classification et de regroupement (forêts aléatoires, K-means, gradient boosting, DBSCAN, ET machines à vecteurs de support). La bibliothèque Scikit-learn s'intègre également bien avec d'autres bibliothèques Python, telles que NumPy, Pandas, IPython, SciPy, Sympy et Matplotlib, pour accomplir différentes tâches. Python pour les scientifiques des données : La spécialisation Scikit-Learn vous présente une approche pratique et simple pour apprendre rapidement Scikit-Learn.
En quoi ce livre est-il différent ?
La plupart des livres sur Python partent du principe que vous savez coder avec Pandas, NumPy et Matplotlib. Mais ce n'est pas le cas de ce livre. L'auteur consacre beaucoup de temps à vous apprendre à écrire les codes les plus simples en Python pour réaliser des modèles d'apprentissage automatique. La couverture approfondie de la bibliothèque Scikit-learn commence dès le troisième chapitre. Le fait de passer directement à Scikit-learn facilite le suivi. L'autre avantage est que Jupyter Notebook est utilisé pour écrire et expliquer le code tout au long du livre. Vous pouvez accéder facilement aux ensembles de données utilisés dans ce livre en les téléchargeant au moment de l'exécution. Vous pouvez également y accéder via le dossier Datasets dans les dépôts SharePoint et GitHub. Vous pourrez également travailler sur trois mini-projets pratiques :
⬤ Détection de spam avec Scikit-Learn.
⬤ Analyse sentimentale de films avec IMDB.
⬤ Classification d'images avec Scikit-Learn.
Les scripts, les graphiques et les images du livre sont clairs et fournissent des éléments visuels faciles à comprendre pour la description du texte. Si vous êtes novice en matière de science des données, vous trouverez dans ce livre une excellente option d'auto-apprentissage. Dans l'ensemble, vous pouvez compter sur ce livre apprentissage par la pratique pour vous aider à atteindre plus rapidement vos objectifs de carrière en science des données.
Les sujets abordés sont les suivants :
⬤ Introduction à Scikit-Learn et aux autres bibliothèques d'apprentissage automatique.
⬤ Installation de l'environnement et cours accéléré sur Python.
⬤ Prétraitement des données avec Scikit-Learn.
⬤ Sélection des caractéristiques avec la bibliothèque Scikit-Learn de Python.
⬤ Résolution des problèmes de régression en apprentissage automatique à l'aide de la bibliothèque Sklearn.
⬤ Résolution des problèmes de classification en apprentissage automatique à l'aide de la bibliothèque Sklearn.
⬤ Le clustering de données avec la bibliothèque Scikit-Learn.
⬤ Réduction de la dimensionnalité avec l'ACP et la LDA en utilisant Sklearn.
⬤ Sélection des meilleurs modèles avec Scikit-Learn.
⬤ Traitement du langage naturel avec Scikit-Learn.
⬤ Classification d'images avec Scikit-Learn.
Cliquez sur le bouton ACHETER MAINTENANT et commencez votre voyage d'apprentissage de la science des données.
Autres informations sur le livre :
| ISBN : | 9781734790184 |
| Auteur : | |
| Éditeur : | |
| Reliure : | Broché |
Achat:
Actuellement disponible, en stock.
