Machine learning, Python i data science. Wprowadzenie
- Autorzy:
- Andreas C. Müller, Sarah Guido
- Wydawnictwo:
- Helion
- Ocena:
- Bądź pierwszym, który oceni tę książkę
- Stron:
- 320
- Druk:
- oprawa miękka
- Dostępne formaty:
-
PDFePubMobi

Opis ebooka: Machine learning, Python i data science. Wprowadzenie
Uczenie maszynowe kojarzy się z dużymi firmami i rozbudowanymi zespołami. Prawda jest taka, że obecnie można samodzielnie budować zaawansowane rozwiązania uczenia maszynowego i korzystać do woli z olbrzymich zasobów dostępnych danych. Trzeba tylko mieć pomysł i... trochę podstawowej wiedzy. Tymczasem większość opracowań na temat uczenia maszynowego i sztucznej inteligencji wymaga biegłości w zaawansowanej matematyce. Utrudnia to naukę tego zagadnienia, mimo że uczenie maszynowe jest coraz powszechniej stosowane w projektach badawczych i komercyjnych.
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 badaczy i analityków danych oraz inżynierów pracujących nad aplikacjami komercyjnymi. Zagadnienia matematyczne ograniczono tu do niezbędnego minimum, zamiast tego skoncentrowano się na praktycznych aspektach algorytmów uczenia maszynowego. Dokładnie opisano, jak konkretnie można skorzystać z szerokiej gamy modeli zaimplementowanych w dostępnych bibliotekach.
W książce między innymi:
- podstawowe informacje o uczeniu maszynowym
- najważniejsze algorytmy uczenia maszynowego
- przetwarzanie danych w uczeniu maszynowym
- ocena modelu i dostrajanie parametrów
- łańcuchy modeli i hermetyzacja przepływu pracy
- przetwarzanie danych tekstowych
Python i uczenie maszynowe: programowanie do zadań specjalnych!
Uczenie maszynowe stało się integralną częścią wielu aplikacji komercyjnych i projektów badawczych, ale ta dziedzina nie jest zarezerwowana dla dużych firm, które posiadają duże zespoły badawcze. Jeśli używasz języka Python, nawet jako początkujący, ta książka nauczy Cię praktycznych sposobów tworzenia własnych rozwiązań uczenia maszynowego. Przy wszystkich dostępnych obecnie danych, zastosowania dla aplikacji do uczenia maszynowego ogranicza tylko Twoja wyobraźnia.
Nauczysz się, jak stworzyć skuteczną aplikację do uczenia maszynowego w języku Python i bibliotece scikit-learn. Autorzy, Andreas MUller i Sarah Guido skupiają się na praktycznych aspektach korzystania z algorytmów uczenia maszynowego, a nie na leżących u jego podstaw regułach matematycznych. Znajomość bibliotek NumPy i matplotlib pomoże Ci jeszcze lepiej wykorzystać wiedzę zawratą w tej książce.
Dzięki tej książce poznasz:
- Podstawowe pojęcia i zastosowania uczenia maszynowego
- Zalety i wady powszechnie stosowanych algorytmów uczenia maszynowego
- Sposoby przedstawiania danych przetwarzanych przez uczenie maszynowe, oraz na których aspektach danych się skupić
- Zaawansowane metody oceny modelu i dostrajania parametrów
- Koncepcję potoków do tworzenia łańcuchów modeli i hermetyzacji przepływu pracy
- Metody pracy z danymi tekstowymi, w tym specyficzne dla tekstu techniki przetwarzania
- Sugestie dotyczące poprawy umiejętności uczenia maszynowego i nauki o danych
"Ta książka to fantastyczne, bardzo praktyczne źródło informacji dla każdego, kto chce zacząć korzystać z uczenia maszynowego w Pythonie - chciałbym tylko, żeby istniało, kiedy zaczęłam używać scikit-learn!"
Hanna Wallach, Senior Researcher, Microsoft Research
Wybrane bestsellery
-
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 s...
Introduction to Machine Learning with Python. A Guide for Data Scientists Introduction to Machine Learning with Python. A Guide for Data Scientists
(29.90 zł najniższa cena z 30 dni)169.15 zł
199.00 zł(-15%) -
Ta książka jest przystępnym wprowadzeniem do kryptografii i bibliotek kryptograficznych Pythona. Omówiono tu podstawowe koncepcje z tej dziedziny, najważniejsze algorytmy i niezbędny zakres podstaw matematycznych: liczby pierwsze, teorię grup czy generatory liczb pseudolosowych. Wyjaśniono, czym ...
Algorytmy kryptograficzne w Pythonie. Wprowadzenie Algorytmy kryptograficzne w Pythonie. Wprowadzenie
(41.40 zł najniższa cena z 30 dni)44.85 zł
69.00 zł(-35%) -
To kolejne wydanie lubianego samouczka, dzięki któremu w ramach 24 godzinnych lekcji przyswoisz solidne podstawy programowania. Zrozumiesz, jak działają programy, i nauczysz się reguł stosowanych przez profesjonalistów przy ich projektowaniu. Dowiesz się, jak wygląda świat programistów i na czym ...
Programowanie dla początkujących w 24 godziny. Wydanie IV Programowanie dla początkujących w 24 godziny. Wydanie IV
(9.90 zł najniższa cena z 30 dni)37.95 zł
69.00 zł(-45%) -
To kolejny tom z serii Strategyzer przeznaczonej dla wizjonerów biznesu. Skorzystają z niej przedsiębiorcy, kierownictwo dużych organizacji oraz liderzy innowacji. Znalazły się tu opisy kluczowych narzędzi pozwalających budować modele biznesowe odporne na destabilizację, zarządzać portfelem przed...
Niezwyciężona firma. Jak nieustannie odkrywać swoją organizację na nowo i czerpać z najlepszych modeli biznesowych Niezwyciężona firma. Jak nieustannie odkrywać swoją organizację na nowo i czerpać z najlepszych modeli biznesowych
Alexander Osterwalder, Yves Pigneur, Alan Smith, Frederic Etiemble
(26.90 zł najniższa cena z 30 dni)26.90 zł
89.00 zł(-70%) -
Termin business intelligence ostatnimi czasy jest odmieniany przez wszystkie przypadki. Według raportu Gartnera z 2020 roku aktualnie liderem w dziedzinie narzędzi BI jest Microsoft - ten kurs video oferuje możliwość zapoznania się z jednym z nich. Power BI, bo o nim mowa, pozwala efektywnie anal...
Power BI Desktop. Kurs video. Wykorzystanie narzędzia w analizie i wizualizacji danych Power BI Desktop. Kurs video. Wykorzystanie narzędzia w analizie i wizualizacji danych
(39.90 zł najniższa cena z 30 dni)224.25 zł
299.00 zł(-25%) -
Tę książkę docenią ci, którzy opanowali już podstawową składnię Pythona i palą się do pisania własnych programów. Zawiera 81 projektów, które możesz napisać w tym języku. Programy składają się z maksymalnie 256 linii kodu i pozwolą Ci stopniowo nabierać umiejętności programisty - a zupełnie przy ...
Wielka księga małych projektów w Pythonie. 81 łatwych praktycznych programów Wielka księga małych projektów w Pythonie. 81 łatwych praktycznych programów
(47.40 zł najniższa cena z 30 dni)51.35 zł
79.00 zł(-35%) -
Don't waste time bending Python to fit patterns you've learned in other languages. Python's simplicity lets you become productive quickly, but often this means you aren't using everything the language has to offer. With the updated edition of this hands-on guide, you'll learn how to write effecti...(29.90 zł najniższa cena z 30 dni)
237.15 zł
279.00 zł(-15%) -
Rozpoczęcie programowania nie wymaga skomplikowanych środowisk programistycznych. A autor szkolenia Python dla każdego. Kurs video. Rozwiąż 100 zadań z Pythona i zostań programistą koncentruje się na tym, by umożliwić rzetelne opanowanie podstaw - nie tylko w teorii, ale przede wszystkim w prakty...
Python dla każdego. Kurs video. Rozwiąż 100 zadań z Pythona i zostań programistą Python dla każdego. Kurs video. Rozwiąż 100 zadań z Pythona i zostań programistą
(39.90 zł najniższa cena z 30 dni)109.45 zł
199.00 zł(-45%) -
Wiernym czytelnikom publikacji spod znaku wydawnictwa Helion Piotra Wróblewskiego przedstawiać nie trzeba. Dość wspomnieć, że jest on autorem wielu publikacji poświęconych głównie programowaniu i obsłudze komputerów. Jego najnowsza książka, Algorytmy w Pythonie. Techniki programowania dla praktyk...
Algorytmy w Pythonie. Techniki programowania dla praktyków Algorytmy w Pythonie. Techniki programowania dla praktyków
(71.40 zł najniższa cena z 30 dni)77.35 zł
119.00 zł(-35%) -
Dzięki tej książce przyswoisz najlepsze zasady konfigurowania środowiska programistycznego i praktyki programistyczne poprawiające czytelność kodu. Znajdziesz tu mnóstwo przydatnych wskazówek dotyczących posługiwania się wierszem polecenia i takimi narzędziami jak formatery kodu, kontrolery typów...
Programowanie w Pythonie dla średnio zaawansowanych. Najlepsze praktyki tworzenia czystego kodu Programowanie w Pythonie dla średnio zaawansowanych. Najlepsze praktyki tworzenia czystego kodu
(47.40 zł najniższa cena z 30 dni)51.35 zł
79.00 zł(-35%)
O autorach ebooka
Dr Andreas Müller zajmował się uczeniem maszynowym aplikacji rozpoznawania obrazów w Amazonie, później dołączył do Center for Data Science na New York University. Jest jednym z głównych autorów biblioteki scikit-learn i kilku innych pakietów uczenia maszynowego.
Sarah Guido jest analitykiem danych. Pracowała w kilku w start-upach. Jest ceniona za znakomite wystąpienia na prestiżowych konferencjach.
Ebooka przeczytasz na:
-
czytnikach Inkbook, Kindle, Pocketbook 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 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 zobaczysz:
-
w aplikacji Ebookpoint na Android, iOS, HarmonyOs
-
na systemach Windows, MacOS i innych
-
na dowolnych urządzeniach i aplikacjach obsługujących format MP4 (pliki spakowane w ZIP)
Szczegóły ebooka
- Tytuł oryginału:
- Introduction to Machine Learning with Python: A Guide for Data Scientists
- Tłumaczenie:
- Michał Sternik
- ISBN Książki drukowanej:
- 978-83-283-7408-9, 9788328374089
- Data wydania książki drukowanej:
- 2021-05-25
- ISBN Ebooka:
- 978-83-283-7409-6, 9788328374096
- Data wydania ebooka:
-
2021-05-25
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.
- Format:
- 168x237
- Numer z katalogu:
- 139859
- Rozmiar pliku Pdf:
- 22.2MB
- Rozmiar pliku ePub:
- 13.2MB
- Rozmiar pliku Mobi:
- 27.8MB
- Pobierz przykładowy rozdział PDF
- Przykłady na ftp
Ebook zawiera materiały dodatkowe, które możesz pobrać z serwera FTP - link znajdziesz na stronie redakcyjnej.
Spis treści ebooka
- Dlaczego uczenie maszynowe? 13
- Problemy, które może rozwiązać uczenie maszynowe 14
- Znajomość zadania i znajomość danych 16
- Dlaczego Python? 17
- scikit-learn 17
- Instalacja scikit-learn 17
- Podstawowe biblioteki i narzędzia 18
- Jupyter Notebook 18
- NumPy 19
- SciPy 19
- matplotlib 20
- pandas 21
- mglearn 22
- Python 2 a Python 3 22
- Wersje użyte w tej książce 23
- Pierwsza aplikacja: klasyfikacja gatunków irysa 24
- Zapoznaj się z danymi 25
- Sprawdzanie osiągnięcia sukcesu: dane treningowe i testowe 27
- Najpierw najważniejsze: zapoznaj się z danymi 28
- Budowa pierwszego modelu: k-najbliżsi sąsiedzi 30
- Przewidywania 31
- Ocena modelu 32
- Podsumowanie i przegląd 32
- Klasyfikacja i regresja 35
- Uogólnianie, nadmierne dopasowanie i niedopasowanie 36
- Relacja złożoności modelu do rozmiaru zestawu danych 38
- Nadzorowane algorytmy uczenia maszynowego 39
- Przykładowe zestawy danych 39
- k-najbliższych sąsiadów 43
- Modele liniowe 50
- Naiwne klasyfikatory Bayesa 69
- Drzewa decyzyjne 70
- Zespoły drzew decyzyjnych 81
- Maszyny wektorów nośnych 88
- Sieci neuronowe (głębokie uczenie) 98
- Szacunki niepewności na podstawie klasyfikatorów 109
- Funkcja decyzyjna 110
- Prognozy prawdopodobieństw 112
- Niepewność w klasyfikacji wieloklasowej 114
- Podsumowanie i przegląd 116
- Rodzaje nienadzorowanego uczenia maszynowego 119
- Wyzwania związane z uczeniem nienadzorowanym 120
- Przetwarzanie wstępne i skalowanie 120
- Różne rodzaje przetwarzania wstępnego 121
- Zastosowanie transformacji danych 122
- Skalowanie danych treningowych i testowych w ten sam sposób 124
- Wpływ przetwarzania wstępnego na uczenie nadzorowane 126
- Redukcja wymiarowości, wyodrębnianie cech i wielorakie uczenie 127
- Analiza głównych komponentów (PCA) 127
- Nieujemna faktoryzacja macierzy (NMF) 140
- Manifold learning z t-SNE 146
- Grupowanie 150
- Grupowanie k-średnich 150
- Grupowanie aglomeracyjne 160
- DBSCAN 164
- Porównanie i ocena algorytmów grupowania 168
- Podsumowanie metod grupowania 181
- Podsumowanie i przegląd 181
- Zmienne kategorialne 184
- Kodowanie jeden-z-N (zmienne fikcyjne) 185
- Liczby mogą kodować zmienne kategorialne 189
- Dzielenie, dyskretyzacja, modele liniowe i drzewa 190
- Interakcje i wielomiany 194
- Jednowymiarowe transformacje nieliniowe 200
- Automatyczny wybór cechy 203
- Statystyki jednoczynnikowe 203
- Wybór cechy na podstawie modelu 205
- Iteracyjny wybór cech 206
- Wykorzystanie wiedzy eksperckiej 208
- Podsumowanie i przegląd 215
- Walidacja krzyżowa 218
- Walidacja krzyżowa w scikit-learn 218
- Korzyści z walidacji krzyżowej 219
- Stratyfikowana k-krotna walidacja krzyżowa i inne strategie 220
- Przeszukiwanie siatki 225
- Proste przeszukiwanie siatki 226
- Nadmierne dopasowanie parametrów i zestaw walidacyjny 226
- Przeszukiwanie siatki z walidacją krzyżową 228
- Wskaźniki oceny i punktacja 238
- Pamiętaj o celu 239
- Metryki klasyfikacji binarnej 239
- Metryki klasyfikacji wieloklasowej 257
- Metryki regresji 260
- Używanie metryk oceny w wyborze modelu 260
- Podsumowanie i przegląd 262
- Wybór parametrów z przetwarzaniem wstępnym 264
- Tworzenie potoków 265
- Używanie potoków w przeszukiwaniu siatki 266
- Ogólny interfejs potoku 269
- Wygodne tworzenie potoków za pomocą funkcji make_pipeline 270
- Dostęp do atrybutów kroku 271
- Dostęp do atrybutów klasy GridSearchCV 271
- Kroki przetwarzania wstępnego przeszukiwania siatki i parametry modelu 273
- Przeszukiwanie siatki modeli 275
- Podsumowanie i przegląd 276
- Typy danych przedstawione jako ciągi znaków 277
- Przykładowe zastosowanie: analiza recenzji filmowych 279
- Przedstawianie danych tekstowych w postaci worka słów 281
- Stosowanie worka słów do przykładowego zestawu danych 282
- Zastosowanie worka słów do recenzji filmowych 283
- Słowa pomijalne 287
- Skalowanie danych z tf-idf 288
- Badanie współczynników modelu 290
- Worek słów z więcej niż jednym słowem (n-gram) 291
- Zaawansowana tokenizacja, stemming i lematyzacja 295
- Modelowanie tematów i grupowanie dokumentów 298
- Utajniona alokacja Dirichleta 299
- Podsumowanie i przegląd 305
- Podejście do problemu uczenia maszynowego 307
- Informowanie ludzi 308
- Od prototypu do produkcji 308
- Testowanie systemów na produkcji 309
- Tworzenie własnego estymatora 310
- Co dalej 311
- Teoria 311
- Inne narzędzia i pakiety do uczenia maszynowego 311
- Ranking, systemy rekomendujące i inne rodzaje uczenia 312
- Modelowanie probabilistyczne, wnioskowanie i programowanie probabilistyczne 312
- Sieci neuronowe 313
- Skalowanie do większych zestawów danych 313
- Doskonalenie umiejętności 314
- Podsumowanie 315
Przedmowa 7
1. Wprowadzenie 13
2. Nadzorowane uczenie maszynowe 35
3. Uczenie nienadzorowane i przetwarzanie wstępne 119
4. Reprezentacja danych i cechy inżynierskie 183
5. Ocena i doskonalenie modelu 217
6. Łańcuchy algorytmów i potoki 263
7. Praca z danymi tekstowymi 277
8. Podsumowanie 307
Oceny i opinie klientów: Machine learning, Python i data science. Wprowadzenie Andreas C. Müller, 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.