Den kompletta nybörjarguiden för att förstå och bygga maskininlärningssystem med Python

Maskininlärning med Python för alla hjälper dig att bemästra de processer, mönster och strategier du behöver för att bygga effektiva inlärningssystem, även om du är en absolut nybörjare. Om du kan skriva lite Python-kod är den här boken för dig, oavsett hur lite matematik på högskolenivå du kan. Huvudinstruktören Mark E. Fenner förlitar sig på lättförståeliga berättelser, bilder och Python-exempel för att kommunicera idéerna om maskininlärning.

Mark börjar med att diskutera maskininlärning och vad det kan göra; introducerar viktiga matematiska och beräkningsmässiga ämnen på ett tillgängligt sätt; och guidar dig genom de första stegen i att bygga, träna och utvärdera inlärningssystem. Steg för steg kommer du att fylla i komponenterna i ett praktiskt inlärningssystem, bredda din verktygslåda och utforska några av fältets mest sofistikerade och spännande tekniker. Oavsett om du är student, analytiker, forskare eller hobbyist, kommer den här guidens insikter att vara tillämpliga på alla inlärningssystem du någonsin bygger eller använder.

• Förstå maskininlärningsalgoritmer, modeller och grundläggande maskininlärningskoncept
• Klassificera exempel med klassificerare och kvantifiera exempel med regressorer
• Realistiskt bedöma prestanda hos maskininlärningssystem
• Använd feature engineering för att jämna ut grova data till användbara former
• Kedja ihop flera komponenter till ett system och finjustera dess prestanda
• Tillämpa maskininlärningstekniker på bilder och text
• Koppla kärnkoncepten till neurala nätverk och grafiska modeller
• Utnyttja Python scikit-learn-biblioteket och andra kraftfulla verktyg

Registrera din bok för bekväm åtkomst till nedladdningar, uppdateringar och/eller korrigeringar när de blir tillgängliga. Se insidan av boken för mer information.