ODBIERZ TWÓJ BONUS :: »

Uczenie maszynowe w Pythonie. Leksykon kieszonkowy Matt Harrison

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
37,05 zł 57,00 zł (-35%)
34,20 zł najniższa cena z 30 dni

Dodaj do koszyka Wysyłamy w 24h

Ebook
34,20 zł 57,00 zł (-40%)
28,50 zł najniższa cena z 30 dni

Dodaj do koszyka lub Kup na prezent Kup 1-kliknięciem

Przenieś na półkę

Do przechowalni

Do przechowalni

Powiadom o dostępności audiobooka »

Druk na żądanie

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!

W marcu jak w zaczytanym garncu!  Ebooki -40%, książki -35%

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

Zamknij

Wybierz metodę płatności

Książka
37,05 zł
Dodaj do koszyka
Ebook
34,20 zł
Dodaj do koszyka
Płatności obsługuje:
Ikona płatności Alior Bank Ikona płatności Apple Pay Ikona płatności Bank PEKAO S.A. Ikona płatności Bank Pocztowy Ikona płatności Banki Spółdzielcze Ikona płatności BLIK Ikona płatności Crédit Agricole e-przelew Ikona płatności dawny BNP Paribas Bank Ikona płatności Google Pay Ikona płatności ING Bank Śląski Ikona płatności Inteligo Ikona płatności iPKO Ikona płatności mBank Ikona płatności Millennium Ikona płatności Nest Bank Ikona płatności Paypal Ikona płatności PayPo | PayU Płacę później Ikona płatności PayU Płacę później Ikona płatności Plus Bank Ikona płatności Płacę z Getin Bank Ikona płatności Płać z BOŚ Ikona płatności Płatność online kartą płatniczą Ikona płatności Santander Ikona płatności Visa Mobile