Introduction to Machine Learning with Python. A Guide for Data Scientists
![Język publikacji: angielski Język publikacji: angielski](https://static01.helion.com.pl/global/flagi/1.png)
- Autorzy:
- Andreas C. MĂźller, Sarah Guido
![Introduction to Machine Learning with Python. A Guide for Data Scientists Andreas C. MĂźller, Sarah Guido - okładka ebooka](https://static01.helion.com.pl/global/okladki/326x466/e_09d2.png)
![Introduction to Machine Learning with Python. A Guide for Data Scientists Andreas C. MĂźller, Sarah Guido - tył okładki ebooka](https://static01.helion.com.pl/global/okladki-tyl/326x466/e_09d2.png)
- Ocena:
- Bądź pierwszym, który oceni tę książkę
- Stron:
- 400
- Dostępne formaty:
-
ePubMobi
Opis ebooka: Introduction to Machine Learning with Python. A Guide for Data Scientists
Machine learning has become an integral part of many commercial applications and research projects, but this field is not exclusive to large companies with extensive research teams. If you use Python, even as a beginner, this book will teach you practical ways to build your own machine learning solutions. With all the data available today, machine learning applications are limited only by your imagination.
You’ll learn the steps necessary to create a successful machine-learning application with Python and the scikit-learn library. Authors Andreas Müller and Sarah Guido focus on the practical aspects of using machine learning algorithms, rather than the math behind them. Familiarity with the NumPy and matplotlib libraries will help you get even more from this book.
With this book, you’ll learn:
- Fundamental concepts and applications of machine learning
- Advantages and shortcomings of widely used machine learning algorithms
- How to represent data processed by machine learning, including which data aspects to focus on
- Advanced methods for model evaluation and parameter tuning
- The concept of pipelines for chaining models and encapsulating your workflow
- Methods for working with text data, including text-specific processing techniques
- Suggestions for improving your machine learning and data science skills
Wybrane bestsellery
-
Ta praktyczna książka ułatwi Ci rozpoczęcie wdrażania rozwiązań rzeczywistych problemów związanych z uczeniem maszynowym. Zawiera przystępne wprowadzenie do uczenia maszynowego i sztucznej inteligencji, a także sposoby wykorzystania Pythona i biblioteki scikit-learn, uwzględniające potrzeby badac...
Machine learning, Python i data science. Wprowadzenie Machine learning, Python i data science. Wprowadzenie
(47.40 zł najniższa cena z 30 dni)55.30 zł
79.00 zł(-30%) -
Designed to take you on a guided tour of the most relevant and powerful machine learning techniques in use today by top data scientists, this book is just what you need to push your Python algorithms to maximum potential. Clear examples and detailed code samples demonstrate deep learning techniqu...
Advanced Machine Learning with Python. Solve challenging data science problems by mastering cutting-edge machine learning techniques in Python Advanced Machine Learning with Python. Solve challenging data science problems by mastering cutting-edge machine learning techniques in Python
Victor Marak, Nishant Shukla, John Hearty, Jeffery Yee, Man Chon (Kevin) U, Gavin Hackeling
-
Dzięki tej książce dowiesz się, jak pozyskiwać, analizować i wizualizować dane, a potem używać ich do rozwiązywania problemów biznesowych. Wystarczy, że znasz podstawy Pythona i matematyki na poziomie liceum, aby zacząć stosować naukę o danych w codziennej pracy. Znajdziesz tu szereg praktycznych...
Data science i Python. Stawianie czoła najtrudniejszym wyzwaniom biznesowym Data science i Python. Stawianie czoła najtrudniejszym wyzwaniom biznesowym
(55.20 zł najniższa cena z 30 dni)48.30 zł
69.00 zł(-30%) -
To czwarte, zaktualizowane wydanie znakomitego przewodnika poświęconego zastosowaniu uczenia maszynowego do rozwiązywania rzeczywistych problemów w analizie danych. Dzięki książce dowiesz się wszystkiego, co trzeba wiedzieć o wstępnym przetwarzaniu danych, znajdowaniu kluczowych spostrzeżeń, prog...
Uczenie maszynowe w języku R. Tworzenie i doskonalenie modeli - od przygotowania danych po dostrajanie, ewaluację i pracę z big data. Wydanie IV Uczenie maszynowe w języku R. Tworzenie i doskonalenie modeli - od przygotowania danych po dostrajanie, ewaluację i pracę z big data. Wydanie IV
(83.40 zł najniższa cena z 30 dni)97.30 zł
139.00 zł(-30%) -
Dzięki tej książce łatwo przyswoisz teoretyczne podstawy i zaczniesz je płynnie wdrażać w rzeczywistych scenariuszach. Dowiesz się, w jaki sposób myślenie przyczynowe ułatwia rozwiązywanie problemów, i poznasz pojęcia Pearla, takie jak strukturalny model przyczynowy, interwencje, kontrfakty itp. ...
Wnioskowanie i związki przyczynowe w Pythonie. Nowoczesne uczenie maszynowe z wykorzystaniem bibliotek DoWhy, EconML, PyTorch i nie tylko Wnioskowanie i związki przyczynowe w Pythonie. Nowoczesne uczenie maszynowe z wykorzystaniem bibliotek DoWhy, EconML, PyTorch i nie tylko
(65.40 zł najniższa cena z 30 dni)76.30 zł
109.00 zł(-30%) -
Pytest – nowoczesny framework do uruchamiania testów automatycznych w języku Python. Można używać tej platformy do przeprowadzania testów jednostkowych, ale sprawdzi się świetnie także podczas konstruowania rozbudowanych testów wyższego poziomu (integracyjnych, end-to-end) dla całych aplika...
Pytest. Kurs video. Automatyzacja testów w Pythonie Pytest. Kurs video. Automatyzacja testów w Pythonie
(44.70 zł najniższa cena z 30 dni)96.85 zł
149.00 zł(-35%) -
Oto zaktualizowane wydanie popularnego przewodnika, dzięki któremu skorzystasz z ponad dwustu sprawdzonych receptur bazujących na najnowszych wydaniach bibliotek Pythona. Wystarczy, że skopiujesz i dostosujesz kod do swoich potrzeb. Możesz też go uruchamiać i testować za pomocą przykładowego zbio...
Uczenie maszynowe w Pythonie. Receptury. Od przygotowania danych do deep learningu. Wydanie II Uczenie maszynowe w Pythonie. Receptury. Od przygotowania danych do deep learningu. Wydanie II
(53.40 zł najniższa cena z 30 dni)62.30 zł
89.00 zł(-30%) -
Sposobów na naukę Pythona jest sporo i powstało na ten temat mnóstwo publikacji. Jeżeli ten wybór jest właśnie przed Tobą, rozważ naukę Pythona poprzez tworzenie prostych gier. Ich programowanie to nie tylko świetna zabawa, ale też doskonała metoda rozwijania umiejętności algorytmicznych, kreatyw...
Python od podstaw. Kurs video. Tworzenie pierwszych gier w PyCharm Python od podstaw. Kurs video. Tworzenie pierwszych gier w PyCharm
(51.60 zł najniższa cena z 30 dni)64.50 zł
129.00 zł(-50%) -
Statystyka to dziedzina wiedzy, która bazuje na danych – przedmiotem jej zainteresowania są metody ich pozyskiwania i prezentacji, a przede wszystkim analizy. W ostatnich latach mocno zyskuje na popularności i dziś niemal każda uczelnia w Polsce oferuje możliwość studiowania na kierunku zwi...
Statystyka. Kurs video. Przewodnik dla studentów kierunków ścisłych Statystyka. Kurs video. Przewodnik dla studentów kierunków ścisłych
(39.90 zł najniższa cena z 30 dni)83.85 zł
129.00 zł(-35%) -
Mastering Data transformation is essential for enhancing their data models and business intelligence. The Definitive Guide to Power Query equips you with the knowledge and skills to master the tool while leveraging its remarkable capabilities.
The Definitive Guide to Power Query (M). Mastering complex data transformation with Power Query The Definitive Guide to Power Query (M). Mastering complex data transformation with Power Query
Gregory Deckler, Rick de Groot, Melissa de Korte, Brian Julius
O autorze ebooka
Sarah Guido jest analitykiem danych. Pracowała w kilku w start-upach. Jest ceniona za znakomite wystąpienia na prestiżowych konferencjach.
Kup polskie wydanie:
Machine learning, Python i data science. Wprowadzenie
- Autor:
- Andreas Müller, Sarah Guido
43,45 zł
79,00 zł
(39.50 zł najniższa cena z 30 dni)
Ebooka "Introduction to Machine Learning with Python. A Guide for Data Scientists" przeczytasz na:
-
czytnikach Inkbook, Kindle, Pocketbook, Onyx Boox i innych
-
systemach Windows, MacOS i innych
-
systemach Windows, Android, iOS, HarmonyOS
-
na dowolnych urządzeniach i aplikacjach obsługujących formaty: PDF, EPub, Mobi
Masz pytania? Zajrzyj do zakładki Pomoc »
Audiobooka "Introduction to Machine Learning with Python. A Guide for Data Scientists" posłuchasz:
-
w aplikacji Ebookpoint na Android, iOS, HarmonyOs
-
na systemach Windows, MacOS i innych
-
na dowolnych urządzeniach i aplikacjach obsługujących format MP3 (pliki spakowane w ZIP)
Masz pytania? Zajrzyj do zakładki Pomoc »
Kurs Video "Introduction to Machine Learning with Python. A Guide for Data Scientists" zobaczysz:
-
w aplikacjach Ebookpoint i Videopoint na Android, iOS, HarmonyOs
-
na systemach Windows, MacOS i innych z dostępem do najnowszej wersji Twojej przeglądarki internetowej
Szczegóły ebooka
- ISBN Ebooka:
- 978-14-493-6989-7, 9781449369897
- Data wydania ebooka:
-
2016-09-26
Data wydania ebooka często jest dniem wprowadzenia tytułu do sprzedaży i może nie być równoznaczna z datą wydania książki papierowej. Dodatkowe informacje możesz znaleźć w darmowym fragmencie. Jeśli masz wątpliwości skontaktuj się z nami sklep@ebookpoint.pl.
- Język publikacji:
- angielski
- Rozmiar pliku ePub:
- 27.1MB
- Rozmiar pliku Mobi:
- 71.8MB
Spis treści ebooka
- Preface
- Who Should Read This Book
- Why We Wrote This Book
- Navigating This Book
- Online Resources
- Conventions Used in This Book
- Using Code Examples
- Safari Books Online
- How to Contact Us
- Acknowledgments
- From Andreas
- From Sarah
- 1. Introduction
- Why Machine Learning?
- Problems Machine Learning Can Solve
- Knowing Your Task and Knowing Your Data
- Why Machine Learning?
- Why Python?
- scikit-learn
- Installing scikit-learn
- Essential Libraries and Tools
- Jupyter Notebook
- NumPy
- SciPy
- matplotlib
- pandas
- mglearn
- Python 2 Versus Python 3
- Versions Used in this Book
- A First Application: Classifying Iris Species
- Meet the Data
- Measuring Success: Training and Testing Data
- First Things First: Look at Your Data
- Building Your First Model: k-Nearest Neighbors
- Making Predictions
- Evaluating the Model
- Summary and Outlook
- 2. Supervised Learning
- Classification and Regression
- Generalization, Overfitting, and Underfitting
- Relation of Model Complexity to Dataset Size
- Supervised Machine Learning Algorithms
- Some Sample Datasets
- k-Nearest Neighbors
- k-Neighbors classification
- Analyzing KNeighborsClassifier
- k-neighbors regression
- Analyzing KNeighborsRegressor
- Strengths, weaknesses, and parameters
- Linear Models
- Linear models for regression
- Linear regression (aka ordinary least squares)
- Ridge regression
- Lasso
- Linear models for classification
- Linear models for multiclass classification
- Strengths, weaknesses, and parameters
- Naive Bayes Classifiers
- Strengths, weaknesses, and parameters
- Decision Trees
- Building decision trees
- Controlling complexity of decision trees
- Analyzing decision trees
- Feature importance in trees
- Strengths, weaknesses, and parameters
- Ensembles of Decision Trees
- Random forests
- Building random forests
- Analyzing random forests
- Strengths, weaknesses, and parameters
- Random forests
- Gradient boosted regression trees (gradient boosting machines)
- Strengths, weaknesses, and parameters
- Kernelized Support Vector Machines
- Linear models and nonlinear features
- The kernel trick
- Understanding SVMs
- Tuning SVM parameters
- Preprocessing data for SVMs
- Strengths, weaknesses, and parameters
- Neural Networks (Deep Learning)
- The neural network model
- Tuning neural networks
- Strengths, weaknesses, and parameters
- Estimating complexity in neural networks
- Uncertainty Estimates from Classifiers
- The Decision Function
- Predicting Probabilities
- Uncertainty in Multiclass Classification
- Summary and Outlook
- 3. Unsupervised Learning and Preprocessing
- Types of Unsupervised Learning
- Challenges in Unsupervised Learning
- Preprocessing and Scaling
- Different Kinds of Preprocessing
- Applying Data Transformations
- Scaling Training and Test Data the Same Way
- The Effect of Preprocessing on Supervised Learning
- Dimensionality Reduction, Feature Extraction, and Manifold Learning
- Principal Component Analysis (PCA)
- Applying PCA to the cancer dataset for visualization
- Eigenfaces for feature extraction
- Principal Component Analysis (PCA)
- Non-Negative Matrix Factorization (NMF)
- Applying NMF to synthetic data
- Applying NMF to face images
- Manifold Learning with t-SNE
- Clustering
- k-Means Clustering
- Failure cases of k-means
- Vector quantization, or seeing k-means as decomposition
- k-Means Clustering
- Agglomerative Clustering
- Hierarchical clustering and dendrograms
- DBSCAN
- Comparing and Evaluating Clustering Algorithms
- Evaluating clustering with ground truth
- Evaluating clustering without ground truth
- Comparing algorithms on the faces dataset
- Analyzing the faces dataset with DBSCAN
- Analyzing the faces dataset with k-means
- Analyzing the faces dataset with agglomerative clustering
- Summary of Clustering Methods
- Summary and Outlook
- 4. Representing Data and Engineering Features
- Categorical Variables
- One-Hot-Encoding (Dummy Variables)
- Checking string-encoded categorical data
- One-Hot-Encoding (Dummy Variables)
- Numbers Can Encode Categoricals
- Categorical Variables
- Binning, Discretization, Linear Models, and Trees
- Interactions and Polynomials
- Univariate Nonlinear Transformations
- Automatic Feature Selection
- Univariate Statistics
- Model-Based Feature Selection
- Iterative Feature Selection
- Utilizing Expert Knowledge
- Summary and Outlook
- 5. Model Evaluation and Improvement
- Cross-Validation
- Cross-Validation in scikit-learn
- Benefits of Cross-Validation
- Stratified k-Fold Cross-Validation and Other Strategies
- More control over cross-validation
- Leave-one-out cross-validation
- Shuffle-split cross-validation
- Cross-validation with groups
- Cross-Validation
- Grid Search
- Simple Grid Search
- The Danger of Overfitting the Parameters and the Validation Set
- Grid Search with Cross-Validation
- Analyzing the result of cross-validation
- Search over spaces that are not grids
- Using different cross-validation strategies with grid search
- Nested cross-validation
- Parallelizing cross-validation and grid search
- Evaluation Metrics and Scoring
- Keep the End Goal in Mind
- Metrics for Binary Classification
- Kinds of errors
- Imbalanced datasets
- Confusion matrices
- Relation to accuracy
- Precision, recall, and f-score
- Taking uncertainty into account
- Precision-recall curves and ROC curves
- Receiver operating characteristics (ROC) and AUC
- Metrics for Multiclass Classification
- Regression Metrics
- Using Evaluation Metrics in Model Selection
- Summary and Outlook
- 6. Algorithm Chains and Pipelines
- Parameter Selection with Preprocessing
- Building Pipelines
- Using Pipelines in Grid Searches
- The General Pipeline Interface
- Convenient Pipeline Creation with make_pipeline
- Accessing Step Attributes
- Accessing Attributes in a Grid-Searched Pipeline
- Grid-Searching Preprocessing Steps and Model Parameters
- Grid-Searching Which Model To Use
- Summary and Outlook
- 7. Working with Text Data
- Types of Data Represented as Strings
- Example Application: Sentiment Analysis of Movie Reviews
- Representing Text Data as a Bag of Words
- Applying Bag-of-Words to a Toy Dataset
- Bag-of-Words for Movie Reviews
- Stopwords
- Rescaling the Data with tfidf
- Investigating Model Coefficients
- Bag-of-Words with More Than One Word (n-Grams)
- Advanced Tokenization, Stemming, and Lemmatization
- Topic Modeling and Document Clustering
- Latent Dirichlet Allocation
- Summary and Outlook
- 8. Wrapping Up
- Approaching a Machine Learning Problem
- Humans in the Loop
- Approaching a Machine Learning Problem
- From Prototype to Production
- Testing Production Systems
- Building Your Own Estimator
- Where to Go from Here
- Theory
- Other Machine Learning Frameworks and Packages
- Ranking, Recommender Systems, and Other Kinds of Learning
- Probabilistic Modeling, Inference, and Probabilistic Programming
- Neural Networks
- Scaling to Larger Datasets
- Honing Your Skills
- Conclusion
- Index
O'Reilly Media - inne książki
-
Keeping up with the Python ecosystem can be daunting. Its developer tooling doesn't provide the out-of-the-box experience native to languages like Rust and Go. When it comes to long-term project maintenance or collaborating with others, every Python project faces the same problem: how to build re...(203.15 zł najniższa cena z 30 dni)
209.24 zł
249.00 zł(-16%) -
Bringing a deep-learning project into production at scale is quite challenging. To successfully scale your project, a foundational understanding of full stack deep learning, including the knowledge that lies at the intersection of hardware, software, data, and algorithms, is required.This book il...(237.15 zł najniższa cena z 30 dni)
250.70 zł
289.00 zł(-13%) -
Frontend developers have to consider many things: browser compatibility, usability, performance, scalability, SEO, and other best practices. But the most fundamental aspect of creating websites is one that often falls short: accessibility. Accessibility is the cornerstone of any website, and if a...(194.65 zł najniższa cena z 30 dni)
208.25 zł
249.00 zł(-16%) -
In this insightful and comprehensive guide, Addy Osmani shares more than a decade of experience working on the Chrome team at Google, uncovering secrets to engineering effectiveness, efficiency, and team success. Engineers and engineering leaders looking to scale their effectiveness and drive tra...(118.15 zł najniższa cena z 30 dni)
121.79 zł
149.00 zł(-18%) -
Data modeling is the single most overlooked feature in Power BI Desktop, yet it's what sets Power BI apart from other tools on the market. This practical book serves as your fast-forward button for data modeling with Power BI, Analysis Services tabular, and SQL databases. It serves as a starting ...(194.65 zł najniższa cena z 30 dni)
207.65 zł
249.00 zł(-17%) -
C# is undeniably one of the most versatile programming languages available to engineers today. With this comprehensive guide, you'll learn just how powerful the combination of C# and .NET can be. Author Ian Griffiths guides you through C# 12.0 and .NET 8 fundamentals and techniques for building c...(228.65 zł najniższa cena z 30 dni)
250.94 zł
289.00 zł(-13%) -
Learn how to get started with Futures Thinking. With this practical guide, Phil Balagtas, founder of the Design Futures Initiative and the global Speculative Futures network, shows you how designers and futurists have made futures work at companies such as Atari, IBM, Apple, Disney, Autodesk, Luf...(152.15 zł najniższa cena z 30 dni)
156.65 zł
189.00 zł(-17%) -
Augmented Analytics isn't just another book on data and analytics; it's a holistic resource for reimagining the way your entire organization interacts with information to become insight-driven.Moving beyond traditional, limited ways of making sense of data, Augmented Analytics provides a dynamic,...(177.65 zł najniższa cena z 30 dni)
182.05 zł
219.00 zł(-17%) -
Learn how to prepare for—and pass—the Kubernetes and Cloud Native Associate (KCNA) certification exam. This practical guide serves as both a study guide and point of entry for practitioners looking to explore and adopt cloud native technologies. Adrián González Sánchez ...
Kubernetes and Cloud Native Associate (KCNA) Study Guide Kubernetes and Cloud Native Associate (KCNA) Study Guide
(169.14 zł najniższa cena z 30 dni)177.65 zł
209.00 zł(-15%) -
Python is an excellent way to get started in programming, and this clear, concise guide walks you through Python a step at a time—beginning with basic programming concepts before moving on to functions, data structures, and object-oriented design. This revised third edition reflects the gro...(149.92 zł najniższa cena z 30 dni)
149.82 zł
179.00 zł(-16%)
Dzieki opcji "Druk na żądanie" do sprzedaży wracają tytuły Grupy Helion, które cieszyły sie dużym zainteresowaniem, a których nakład został wyprzedany.
Dla naszych Czytelników wydrukowaliśmy dodatkową pulę egzemplarzy w technice druku cyfrowego.
Co powinieneś wiedzieć o usłudze "Druk na żądanie":
- usługa obejmuje tylko widoczną poniżej listę tytułów, którą na bieżąco aktualizujemy;
- cena książki może być wyższa od początkowej ceny detalicznej, co jest spowodowane kosztami druku cyfrowego (wyższymi niż koszty tradycyjnego druku offsetowego). Obowiązująca cena jest zawsze podawana na stronie WWW książki;
- zawartość książki wraz z dodatkami (płyta CD, DVD) odpowiada jej pierwotnemu wydaniu i jest w pełni komplementarna;
- usługa nie obejmuje książek w kolorze.
Masz pytanie o konkretny tytuł? Napisz do nas: sklep[at]helion.pl.
Książka, którą chcesz zamówić pochodzi z końcówki nakładu. Oznacza to, że mogą się pojawić drobne defekty (otarcia, rysy, zagięcia).
Co powinieneś wiedzieć o usłudze "Końcówka nakładu":
- usługa obejmuje tylko książki oznaczone tagiem "Końcówka nakładu";
- wady o których mowa powyżej nie podlegają reklamacji;
Masz pytanie o konkretny tytuł? Napisz do nas: sklep[at]helion.pl.
Książka drukowana
![Loader](https://static01.helion.com.pl/ebookpoint/img/ajax-loader.gif)
![ajax-loader](https://static01.helion.com.pl/ebookpoint/img/ajax-loader.gif)
Oceny i opinie klientów: Introduction to Machine Learning with Python. A Guide for Data Scientists Andreas C. MĂźller, Sarah Guido (0)
Weryfikacja opinii następuję na podstawie historii zamówień na koncie Użytkownika umieszczającego opinię. Użytkownik mógł otrzymać punkty za opublikowanie opinii uprawniające do uzyskania rabatu w ramach Programu Punktowego.