ODBIERZ TWÓJ BONUS :: »

Uczenie maszynowe w Pythonie. Leksykon kieszonkowy Matt Harrison

(ebook) (audiobook) (audiobook)
Autor:
Matt Harrison
Serie wydawnicze:
Leksykon kieszonkowy
Wydawnictwo:
Helion
Wydawnictwo:
Helion
Ocena:
5.0/6  Opinie: 1
Stron:
256
Druk:
oprawa miękka
Dostępne formaty:
     PDF
     ePub
     Mobi
Czytaj fragment
Książka
57,00 zł

Powiadom mnie, gdy książka będzie dostępna

Ebook
24,90 zł 57,00 zł (-56%)
28,50 zł najniższa cena z 30 dni

Dodaj do koszyka Dostępny natychmiast po opłaceniu zakupu lub Kup na prezent Kup 1-kliknięciem

Przenieś na półkę

Do przechowalni

Powiadom o dostępności audiobooka »

Czego się nauczysz?

  • Instalowania i wykorzystywania kluczowych bibliotek do uczenia maszynowego w Pythonie
  • Przeprowadzania pełnego procesu uczenia maszynowego na danych strukturalnych
  • Oczyszczania, uzupełniania i imputacji brakujących danych
  • Przeprowadzania eksploracyjnej analizy danych oraz wizualizacji (histogramy, wykresy, macierze)
  • Wstępnego przetwarzania danych, w tym normalizacji, kodowania i przetwarzania cech
  • Wybierania i selekcji najważniejszych cech z wykorzystaniem regresji lasso, analizy głównych składowych i innych metod
  • Radzenia sobie z niezrównoważonymi klasami danych i stosowania odpowiednich technik próbkowania
  • Budowania i trenowania modeli klasyfikacyjnych (regresja logistyczna, SVM, drzewa decyzyjne, lasy losowe, XGBoost, LightGBM, TPOT)
  • Dobierania i optymalizacji modeli oraz interpretacji krzywych uczenia i weryfikacji
  • Oceny skuteczności klasyfikacji przy użyciu wskaźników (dokładność, precyzja, czułość, F1, krzywe ROC i inne)
  • Interpretowania modeli klasyfikacyjnych i regresyjnych z wykorzystaniem LIME, Shapley, wykresów zależności i modeli zastępczych
  • Budowania i oceny modeli regresyjnych (regresja liniowa, SVM, drzewa, lasy losowe, XGBoost, LightGBM)
  • Analizowania i interpretowania reszt oraz wskaźników regresji
  • Przeprowadzania redukcji wymiarowości danych z użyciem PCA, UMAP, t-SNE, PHATE
  • Grupowania danych przy użyciu algorytmów klastrowania (k-średnich, aglomeracyjnego)
  • Tworzenia potoków przetwarzania danych i automatyzacji procesów w scikit-learn

Uczenie maszynowe i nauka o danych są dziś ogromnie popularne. Dziedziny te szybko się rozwijają, a poszczególne techniki uczenia maszynowego znajdują coraz więcej różnorodnych zastosowań. Wiedza, którą można uzyskać dzięki odpowiedniemu przygotowaniu danych i ich eksploracji, często jest bezcenna. Umiejętność ich analizy oraz wiedza o możliwych sposobach rozwiązywania problemów napotykanych podczas uczenia maszynowego są więc dużymi atutami i mogą być wykorzystywane w wielu gałęziach nauki, techniki i biznesu.

Z tego zwięzłego przewodnika po technikach uczenia maszynowego opartego na strukturalnych danych skorzystają programiści, badacze, osoby zajmujące się nauką o danych oraz twórcy systemów sztucznej inteligencji. Znalazł się tu wyczerpujący opis procesu uczenia maszynowego i klasyfikacji danych strukturalnych. Przedstawiono też metody klastrowania danych, analizy regresji, redukcji wymiarowości oraz inne ważne zagadnienia. Prezentowane treści zostały zilustrowane uwagami, tabelami i przykładami kodu. Nie zabrakło opisu przydatnych bibliotek, niezwykle użytecznych w pracy analityka danych. W efekcie książka pozwala na szybkie rozwiązywanie różnego rodzaju problemów związanych z przetwarzaniem danych strukturalnych.

W książce między innymi:

  • klasyfikacja, oczyszczanie i uzupełnianie braków danych
  • eksploracyjna analiza danych i dobór modelu danych
  • przykłady analiz regresji
  • redukcja wymiarowości
  • potoki w bibliotece scikit-learn

Uczenie maszynowe: nowy wymiar analizy danych!

Wybrane bestsellery

O autorze książki

Matt Harrison - programuje w Pythonie od dwudziestu lat. Wykorzystuje go do różnych zastosowań związanych z gromadzeniem i analizą danych, tworzeniem i automatyzowaniem procesów czy też budowaniem systemów sztucznej inteligencji. Kieruje firmą MetaSnake, która specjalizuje się w doradztwie i szkoleniach w zakresie programowania w Pythonie oraz analizy danych.

Zobacz pozostałe książki z serii Leksykon kieszonkowy

Helion - inne książki

Najczęściej zadawane pytania (FAQ)
1. Czy książka ,,Uczenie maszynowe w Pythonie. Leksykon kieszonkowy" zawiera praktyczne przykłady kodu?
Tak, książka prezentuje liczne przykłady kodu w Pythonie, ilustrując omawiane techniki uczenia maszynowego i przetwarzania danych, co ułatwia natychmiastowe zastosowanie zdobytej wiedzy w praktyce.
2. Czy muszę znać zaawansowany Python, aby korzystać z tej książki?
Nie, książka jest napisana zrozumiałym językiem i przeznaczona również dla osób posiadających podstawową znajomość Pythona oraz zainteresowanych uczeniem maszynowym i analizą danych.
3. Jakie biblioteki Python są wykorzystywane w książce?
W książce omawiane są popularne biblioteki, takie jak scikit-learn, XGBoost, LightGBM oraz narzędzia do eksploracji i wizualizacji danych. Autor pokazuje także, jak je zainstalować i wykorzystać w projektach.
4. Czy książka pomoże mi przygotować dane do analizy i modelowania?
Tak, jeden z głównych tematów to przygotowanie i oczyszczanie danych, w tym radzenie sobie z brakami, normalizacją, kodowaniem oraz wyborem cech, co jest kluczowe w projektach uczenia maszynowego.
5. Czy znajdę tu informacje o ocenie i interpretacji modeli?
Tak, książka szczegółowo omawia metody oceny skuteczności modeli klasyfikacyjnych i regresyjnych oraz narzędzia do interpretacji wyników, takie jak LIME czy Shapley.
6. Czy leksykon sprawdzi się jako szybka pomoc podczas pracy nad projektami?
Zdecydowanie tak - zwięzła forma, tabele, podsumowania oraz praktyczne wskazówki sprawiają, że książka świetnie sprawdza się jako podręczne źródło wiedzy podczas codziennej pracy z danymi.
7. Czy kupując książkę na Helion.pl, otrzymam wersję elektroniczną?
Na Helion.pl możesz wybrać wersję drukowaną, elektroniczną (e-book) lub pakiet obu formatów, w zależności od dostępności produktu.
8. Czy książka obejmuje również metody nienadzorowanego uczenia maszynowego?
Tak, w książce opisane są także techniki klastrowania oraz redukcji wymiarowości, co pozwala na analizę danych bez etykiet i eksplorację ich struktury.

Zamknij

Przenieś na półkę
Dodano produkt na półkę
Usunięto produkt z półki
Przeniesiono produkt do archiwum
Przeniesiono produkt do biblioteki
Proszę czekać...
ajax-loader

Zamknij

Wybierz metodę płatności

Książka
34,20 zł
Czasowo niedostępna
Ebook
24,90 zł
Dodaj do koszyka
Zamknij Pobierz aplikację mobilną Ebookpoint