Thoughtful Machine Learning. A Test-Driven Approach
- Autor:
- Matthew Kirk
- Ocena:
- Bądź pierwszym, który oceni tę książkę
- Stron:
- 236
- Dostępne formaty:
-
ePubMobi
Opis ebooka: Thoughtful Machine Learning. A Test-Driven Approach
Learn how to apply test-driven development (TDD) to machine-learning algorithms—and catch mistakes that could sink your analysis. In this practical guide, author Matthew Kirk takes you through the principles of TDD and machine learning, and shows you how to apply TDD to several machine-learning algorithms, including Naive Bayesian classifiers and Neural Networks.
Machine-learning algorithms often have tests baked in, but they can’t account for human errors in coding. Rather than blindly rely on machine-learning results as many researchers have, you can mitigate the risk of errors with TDD and write clean, stable machine-learning code. If you’re familiar with Ruby 2.1, you’re ready to start.
- Apply TDD to write and run tests before you start coding
- Learn the best uses and tradeoffs of eight machine learning algorithms
- Use real-world examples to test each algorithm through engaging, hands-on exercises
- Understand the similarities between TDD and the scientific method for validating solutions
- Be aware of the risks of machine learning, such as underfitting and overfitting data
- Explore techniques for improving your machine-learning models or data extraction
Wybrane bestsellery
-
Ten praktyczny przewodnik pozwoli osiągnąć biegłość w stosowaniu uczenia maszynowego w codziennej pracy. Autor, Matthew Kirk, bez akademickich rozważań pokazuje, jak integrować i testować algorytmy uczenia maszynowego w swoim kodzie. Książka przedstawia wykorzystanie testów z użyciem bibli...(47.80 zł najniższa cena z 30 dni)
62.91 zł
69.90 zł(-10%) -
Gain the confidence you need to apply machine learning in your daily work. With this practical guide, author Matthew Kirk shows you how to integrate and test machine learning algorithms in your code, without the academic subtext.Featuring graphs and highlighted code examples throughout, the book ...
Thoughtful Machine Learning with Python. A Test-Driven Approach Thoughtful Machine Learning with Python. A Test-Driven Approach
(121.13 zł najniższa cena z 30 dni)121.03 zł
159.00 zł(-24%) -
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)83.40 zł
139.00 zł(-40%) -
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)65.40 zł
109.00 zł(-40%) -
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)53.40 zł
89.00 zł(-40%) -
Oto praktyczny przewodnik po nauce o danych w miejscu pracy. Dowiesz się stąd wszystkiego, co ważne na początku Twojej drogi jako danologa: od osobowości, z którymi przyjdzie Ci pracować, przez detale analizy danych, po matematykę stojącą za algorytmami i uczeniem maszynowym. Nauczysz się myśleć ...
Analityk danych. Przewodnik po data science, statystyce i uczeniu maszynowym Analityk danych. Przewodnik po data science, statystyce i uczeniu maszynowym
(41.40 zł najniższa cena z 30 dni)41.40 zł
69.00 zł(-40%) -
Głębokie sieci neuronowe mają niesamowity potencjał. Osiągnięcia ostatnich lat nadały procesom uczenia głębokiego zupełnie nową jakość. Obecnie nawet programiści niezaznajomieni z tą technologią mogą korzystać z prostych i niezwykle skutecznych narzędzi, pozwalających na sprawne implementowanie p...
Uczenie maszynowe z użyciem Scikit-Learn, Keras i TensorFlow. Wydanie III Uczenie maszynowe z użyciem Scikit-Learn, Keras i TensorFlow. Wydanie III
(107.40 zł najniższa cena z 30 dni)107.40 zł
179.00 zł(-40%) -
Książka stanowi kompendium wiedzy na temat tej niesłychanie szybko rozwijającej się i dynamicznie wkraczającej w nasze życie dziedziny. Została napisana tak, aby była przystępna dla osób posiadających podstawowe umiejętności matematyczne. Może stanowić podręcznik dla studentów takich kierunków ja...(29.40 zł najniższa cena z 30 dni)
29.40 zł
49.00 zł(-40%) -
To książka przeznaczona dla inżynierów, którzy chcą stosować systemy uczenia maszynowego do rozwiązywania rzeczywistych problemów biznesowych. Zaprezentowano w niej systemy ML używane w szybko rozwijających się startupach, a także przedstawiono holistyczne podejście do ich projektowania ― z...
Jak projektować systemy uczenia maszynowego. Iteracyjne tworzenie aplikacji gotowych do pracy Jak projektować systemy uczenia maszynowego. Iteracyjne tworzenie aplikacji gotowych do pracy
(53.40 zł najniższa cena z 30 dni)53.40 zł
89.00 zł(-40%) -
Oto pierwszy tom dzieła, które stanowi inspirujące spojrzenie na sztuczną inteligencję. Jego zrozumienie nie wymaga wybitnej znajomości informatyki i matematyki. Książka jest wspaniałą syntezą wczesnych i późniejszych koncepcji, a także technik, przeprowadzoną we frameworku idei, metod i technolo...
Sztuczna inteligencja. Nowe spojrzenie. Wydanie IV. Tom 1 Sztuczna inteligencja. Nowe spojrzenie. Wydanie IV. Tom 1
(101.40 zł najniższa cena z 30 dni)101.40 zł
169.00 zł(-40%)
Ebooka "Thoughtful Machine Learning. A Test-Driven Approach" 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 "Thoughtful Machine Learning. A Test-Driven Approach" 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 "Thoughtful Machine Learning. A Test-Driven Approach" 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:
- 978-14-493-7409-9, 9781449374099
- Data wydania ebooka:
- 2014-09-26 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:
- 19.9MB
- Rozmiar pliku Mobi:
- 19.9MB
Spis treści ebooka
- Preface
- What to Expect from This Book
- How to Read This Book
- Who This Book Is For
- How to Contact Me
- Conventions Used in This Book
- Using Code Examples
- Safari Books Online
- How to Contact Us
- Acknowledgments
- 1. Test-Driven Machine Learning
- History of Test-Driven Development
- TDD and the Scientific Method
- TDD Makes a Logical Proposition of Validity
- Example: Proof through axioms and functional tests
- Example: Proof through sufficient conditions, unit tests, and integration tests
- TDD Makes a Logical Proposition of Validity
- TDD Involves Writing Your Assumptions Down on Paper or in Code
- TDD and Scientific Method Work in Feedback Loops
- Example: Peer review
- Risks with Machine Learning
- Unstable Data
- Underfitting
- Overfitting
- Unpredictable Future
- What to Test for to Reduce Risks
- Mitigate Unstable Data with Seam Testing
- Example: Seam testing a neural network
- Check Fit by Cross-Validating
- Example: Cross-validating a model
- Reduce Overfitting Risk by Testing the Speed of Training
- Example: Benchmark testing
- Monitor for Future Shifts with Precision and Recall
- Conclusion
- 2. A Quick Introduction to Machine Learning
- What Is Machine Learning?
- Supervised Learning
- Unsupervised Learning
- Reinforcement Learning
- What Is Machine Learning?
- What Can Machine Learning Accomplish?
- Mathematical Notation Used Throughout the Book
- Conclusion
- 3. K-Nearest Neighbors Classification
- History of K-Nearest Neighbors Classification
- House Happiness Based on a Neighborhood
- How Do You Pick K?
- Guessing K
- Heuristics for Picking K
- Use coprime class and K combinations
- Choose a K that is greater or equal to the number of classes + 1
- Choose a K that is low enough to avoid noise
- Algorithms for Picking K
- What Makes a Neighbor Near?
- Minkowski Distance
- Mahalanobis Distance
- Determining Classes
- Beard and Glasses Detection Using KNN and OpenCV
- The Class Diagram
- Raw Image to Avatar
- The Face Class
- Testing the Face class
- The Neighborhood Class
- Bootstrapping the neighborhood with faces
- Cross-validation and finding K
- Conclusion
- 4. Naive Bayesian Classification
- Using Bayes Theorem to Find Fraudulent Orders
- Conditional Probabilities
- Inverse Conditional Probability (aka Bayes Theorem)
- Using Bayes Theorem to Find Fraudulent Orders
- Naive Bayesian Classifier
- The Chain Rule
- Naivety in Bayesian Reasoning
- Pseudocount
- Spam Filter
- The Class Diagram
- Data Source
- Email Class
- Tokenization and Context
- The SpamTrainer
- Storing training data
- Building the Bayesian classifier
- Calculating a classification
- Error Minimization Through Cross-Validation
- Minimizing false positives
- Building the two folds
- Cross-validation and error measuring
- Conclusion
- 5. Hidden Markov Models
- Tracking User Behavior Using State Machines
- Emissions/Observations of Underlying States
- Simplification through the Markov Assumption
- Using Markov Chains Instead of a Finite State Machine
- Hidden Markov Model
- Tracking User Behavior Using State Machines
- Evaluation: Forward-Backward Algorithm
- Using User Behavior
- The Decoding Problem through the Viterbi Algorithm
- The Learning Problem
- Part-of-Speech Tagging with the Brown Corpus
- The Seam of Our Part-of-Speech Tagger: CorpusParser
- Writing the Part-of-Speech Tagger
- Cross-Validating to Get Confidence in the Model
- How to Make This Model Better
- Conclusion
- 6. Support Vector Machines
- Solving the Loyalty Mapping Problem
- Derivation of SVM
- Nonlinear Data
- The Kernel Trick
- Homogenous polynomial
- Heterogenous polynomial
- Radial basis functions
- When should you use each kernel?
- Soft Margins
- Optimizing with slack
- Trading off margin maximization with slack variable minimization using C
- Using SVM to Determine Sentiment
- The Class Diagram
- Corpus Class
- Tokenization of text
- Sentiment leaning, :positive or :negative
- Sentiment codes for :positive and :negative
- Return a Unique Set of Words from the Corpus
- The CorpusSet Class
- Zip two corpus objects
- Build a sparse vector that ties into SentimentClassifier
- The SentimentClassifier Class
- Refactoring the interaction with CorpusSet
- Library to handle Support Vector Machines: LibSVM
- Training data
- Cross-validating with the movie review data
- Improving Results Over Time
- Conclusion
- 7. Neural Networks
- History of Neural Networks
- What Is an Artificial Neural Network?
- Input Layer
- Standard inputs
- Symmetric inputs
- Input Layer
- Hidden Layers
- Neurons
- Activation functions
- Output Layer
- Training Algorithms
- The delta rule
- Back Propagation
- QuickProp
- RProp
- Building Neural Networks
- How Many Hidden Layers?
- How Many Neurons for Each Layer?
- Tolerance for Error and Max Epochs
- Using a Neural Network to Classify a Language
- Writing the Seam Test for Language
- Cross-Validating Our Way to a Network Class
- Tuning the Neural Network
- Convergence Testing
- Precision and Recall for Neural Networks
- Wrap-Up of Example
- Conclusion
- 8. Clustering
- User Cohorts
- K-Means Clustering
- The K-Means Algorithm
- The Downside of K-Means Clustering
- Expectation Maximization (EM) Clustering
- The Impossibility Theorem
- Categorizing Music
- Gathering the Data
- Analyzing the Data with K-Means
- EM Clustering
- EM Jazz Clustering Results
- Conclusion
- 9. Kernel Ridge Regression
- Collaborative Filtering
- Linear Regression Applied to Collaborative Filtering
- Introducing Regularization, or Ridge Regression
- Kernel Ridge Regression
- Wrap-Up of Theory
- Collaborative Filtering with Beer Styles
- Data Set
- The Tools We Will Need
- Reviewer
- Writing the Code to Figure Out Someones Preference
- Collaborative Filtering with User Preferences
- Conclusion
- 10. Improving Models and Data Extraction
- The Problem with the Curse of Dimensionality
- Feature Selection
- Feature Transformation
- Principal Component Analysis (PCA)
- Independent Component Analysis (ICA)
- Monitoring Machine Learning Algorithms
- Precision and Recall: Spam Filter
- The Confusion Matrix
- Mean Squared Error
- The Wilds of Production Environments
- Conclusion
- 11. Putting It All Together
- Machine Learning Algorithms Revisited
- How to Use This Information for Solving Problems
- Whats Next for You?
- 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...(200.93 zł najniższa cena z 30 dni)
200.88 zł
239.00 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...(241.26 zł najniższa cena z 30 dni)
241.21 zł
289.00 zł(-17%) -
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...(200.09 zł najniższa cena z 30 dni)
199.59 zł
239.00 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...(114.88 zł najniższa cena z 30 dni)
114.38 zł
149.00 zł(-23%) -
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 ...(198.88 zł najniższa cena z 30 dni)
198.78 zł
239.00 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...(240.92 zł najniższa cena z 30 dni)
240.72 zł
289.00 zł(-17%) -
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...(148.00 zł najniższa cena z 30 dni)
147.90 zł
179.00 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,...(174.54 zł najniższa cena z 30 dni)
174.34 zł
219.00 zł(-20%) -
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
199.00 zł(-11%) -
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...(140.14 zł najniższa cena z 30 dni)
139.94 zł
179.00 zł(-22%)
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
Oceny i opinie klientów: Thoughtful Machine Learning. A Test-Driven Approach Matthew Kirk (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.