Machine learning, Python i data science. Wprowadzenie

En savoir plus sur le livre

Uczenie maszynowe często kojarzy się z dużymi firmami i zespołami, jednak obecnie można samodzielnie tworzyć zaawansowane rozwiązania, korzystając z dostępnych danych. Wystarczy mieć pomysł i podstawową wiedzę. Wiele opracowań na temat uczenia maszynowego wymaga znajomości zaawansowanej matematyki, co utrudnia naukę, mimo rosnącej popularności tej dziedziny w projektach badawczych i komercyjnych. Ta praktyczna książka ułatwia rozpoczęcie pracy nad rzeczywistymi problemami związanymi z uczeniem maszynowym. Oferuje przystępne wprowadzenie do tematu oraz metody wykorzystania Pythona i biblioteki scikit-learn, dostosowane do potrzeb badaczy, analityków danych i inżynierów. Zagadnienia matematyczne ograniczono do niezbędnego minimum, koncentrując się na praktycznych aspektach algorytmów. Książka szczegółowo opisuje, jak korzystać z różnych modeli dostępnych w bibliotekach. Zawiera informacje o podstawowych algorytmach, przetwarzaniu danych, ocenie modeli, dostrajaniu parametrów, łańcuchach modeli oraz przetwarzaniu danych tekstowych.