Uczenie maszynowe w Pythonie. Leksykon kieszonkowy
- Autor:
- Matt Harrison
- Wydawnictwo:
- Helion
- Ocena:
- 5.0/6 Opinie: 1
- Stron:
- 256
- Druk:
- oprawa miękka
- Dostępne formaty:
-
PDFePubMobi

Opis ebooka: Uczenie maszynowe w Pythonie. Leksykon kieszonkowy
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!
Przetwarzanie strukturalnych danych w Pythonie
Ten kieszonkowy przewodnik, zawierający szczegółowe uwagi, tabele i przykłady, pomoże Ci w poznaniu podstaw uczenia maszynowego opartego na strukturalnych danych. Autor, Matt Harrison, zawarł w nim cenne informacje, które mogą stanowić dodatkową pomoc i wygodne źródło wiedzy do wykorzystania na kursach i w projektach obejmujących uczenie maszynowe.
Książka jest przeznaczona dla programistów, badaczy danych i twórców sztucznej inteligencji. Zawiera opis procesu uczenia maszynowego i klasyfikacji danych strukturalnych. Dzięki niej poznasz metody klastrowania danych, analizy regresji, redukcji wymiarowości i inne zagadnienia.
Ten kieszonkowy przewodnik obejmuje następujące tematy:
- klasyfikacja danych na przykładzie danych pasażerów Titanica
- oczyszczanie danych i uzupełnianie ich braków
- eksploracyjna analiza danych
- wstępne przetwarzanie próbek danych
- wybieranie cech istotnych dla modelu
- dobór modelu danych
- metryki stosowanie w ocenie klasyfikacji
- przykłady analiz regresji z wykorzystaniem różnych technik uczenia maszynowego
- metryki stosowanie w ocenie regresji
- klastrowanie danych
- redukcja wymiarowości
- potoki w bibliotece scikit-learn
Wybrane bestsellery
-
A new edition of the bestselling Pandas cookbook updated to pandas 1.x with new chapters on creating and testing, and exploratory data analysis. Recipes are written with modern pandas constructs. This book also covers EDA, tidying data, pivoting data, time-series calculations, visualizations, and...
Pandas 1.x Cookbook. Practical recipes for scientific computing, time series analysis, and exploratory data analysis using Python - Second Edition Pandas 1.x Cookbook. Practical recipes for scientific computing, time series analysis, and exploratory data analysis using Python - Second Edition
-
With detailed notes, tables, and examples, this handy reference will help you navigate the basics of structured machine learning. Author Matt Harrison delivers a valuable guide that you can use for additional support during training and as a convenient resource when you dive into your next machin...
Machine Learning Pocket Reference. Working with Structured Data in Python Machine Learning Pocket Reference. Working with Structured Data in Python
(61.94 zł najniższa cena z 30 dni)92.65 zł
109.00 zł(-15%) -
Jeżeli jednak chcesz mieć zawsze pod ręką sprawdzone źródło informacji, które pozwoli Ci w każdej sytuacji rozwiać wątpliwości, to trafiłeś na doskonałą pozycję. Należy ona do serii Leksykon kieszonkowy i charakteryzuje się niezwykle zwięzłym, przejrzystym układem najważniejszych treści oraz porę...(34.93 zł najniższa cena z 30 dni)
32.44 zł
49.90 zł(-35%) -
10 lat temu Andrzej Jeznach, polski biznesmen, postawił na dobre życie i zmienił zasady zarządzania. Odszedł od nadzoru i hierarchii i już po kilku latach jego firma pracowała właściwie sama. Kiedy się zdecydował przekazać losy firmy w ręce młodszego pokolenia, jego celem było stworzenie organiza...(17.90 zł najniższa cena z 30 dni)
17.90 zł
59.00 zł(-70%) -
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)109.85 zł
169.00 zł(-35%) -
To drugi tom klasycznego podręcznika wiedzy o sztucznej inteligencji. Podobnie jak w wypadku pierwszej części, lektura tej książki nie wymaga wybitnej znajomości tematu. Dzięki przejrzystości tekstu i umiejętnemu unikaniu nadmiernego formalizmu można w dość łatwy sposób zrozumieć kluczowe idee i ...
Sztuczna inteligencja. Nowe spojrzenie. Wydanie IV. Tom 2 Sztuczna inteligencja. Nowe spojrzenie. Wydanie IV. Tom 2
(77.40 zł najniższa cena z 30 dni)83.85 zł
129.00 zł(-35%) -
Lektura tej książki nauczy Cię myśleć o danych inaczej niż dotychczas. Przekonasz się, że to nie tylko wypełnione kolumny i wiersze. Nie poprzestaniesz na prostej pracy z danymi, a nauczysz się je układać w historie obfitujące w cenne wnioski. Dowiesz się, jak sobie radzić z wartościami, które wy...
Wizualizacja danych. Pulpity nawigacyjne i raporty w Excelu Wizualizacja danych. Pulpity nawigacyjne i raporty w Excelu
(47.40 zł najniższa cena z 30 dni)51.35 zł
79.00 zł(-35%) -
Prezentowana książka jest drugim, zaktualizowanym i uzupełnionym, wydaniem klasycznego podręcznika napisanego z myślą o analitykach, którzy dotychczas nie pracowali w Pythonie, oraz o programistach Pythona, którzy nie zajmowali się dotąd analizą danych ani obliczeniami naukowymi. Przedstawiono tu...
Python w analizie danych. Przetwarzanie danych za pomocą pakietów Pandas i NumPy oraz środowiska IPython. Wydanie II Python w analizie danych. Przetwarzanie danych za pomocą pakietów Pandas i NumPy oraz środowiska IPython. Wydanie II
(26.90 zł najniższa cena z 30 dni)57.85 zł
89.00 zł(-35%) -
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)57.85 zł
89.00 zł(-35%) -
To kompleksowy podręcznik do nauki programowania w Pythonie. Jego piąte wydanie zostało gruntownie zaktualizowane i rozbudowane o dodatkowe treści. Omówiono tu najnowsze wersje Pythona w liniach 3.X i 2.X, czyli 3.3 i 2.7, i dodano opisy nowych lub rozszerzonych mechanizmów, takich jak obsługa fo...(119.40 zł najniższa cena z 30 dni)
129.35 zł
199.00 zł(-35%)
O autorze ebooka
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.
Ebooka "Uczenie maszynowe w Pythonie. Leksykon kieszonkowy" 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 "Uczenie maszynowe w Pythonie. Leksykon kieszonkowy" 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 "Uczenie maszynowe w Pythonie. Leksykon kieszonkowy" zobaczysz:
-
w aplikacjach Ebookpoint i Videopoint na Android, iOS, HarmonyOs
-
na systemach Windows, MacOS i innych
-
na dowolnym urządzeniu
Szczegóły ebooka
- Tytuł oryginału:
- Machine Learning Pocket Reference: Working with Structured Data
- Tłumaczenie:
- Andrzej Watrak
- ISBN Książki drukowanej:
- 978-83-283-6558-2, 9788328365582
- Data wydania książki drukowanej:
- 2020-06-16
- ISBN Ebooka:
- 978-83-283-6559-9, 9788328365599
- Data wydania ebooka:
-
2020-06-16
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:
- 122x194
- Numer z katalogu:
- 107873
- druk na żądanie!
- dnż
- Rozmiar pliku Pdf:
- 12.3MB
- Rozmiar pliku ePub:
- 6.3MB
- Rozmiar pliku Mobi:
- 12.7MB
- 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
- Czego należy oczekiwać? 9
- Dla kogo jest ta książka? 10
- Konwencje typograficzne 10
- Przykłady kodów 11
- Podziękowania 11
- Wykorzystywane biblioteki 13
- Instalowanie bibliotek za pomocą programu pip 15
- Instalowanie bibliotek za pomocą programu conda 16
- Proponowany schemat projektu 21
- Importowane biblioteki 21
- Zadanie pytania 22
- Stosowana terminologia 22
- Zebranie danych 24
- Oczyszczanie danych 25
- Zdefiniowanie cech 30
- Próbkowanie danych 32
- Imputacja danych 32
- Normalizacja danych 33
- Refaktoryzacja kodu 34
- Model odniesienia 35
- Różne rodziny algorytmów 35
- Kontaminacja modeli 37
- Utworzenie modelu 37
- Ocena modelu 38
- Optymalizacja modelu 39
- Macierz pomyłek 40
- Krzywa ROC 40
- Krzywa uczenia 42
- Wdrożenie modelu 43
- Badanie braków danych 45
- Pomijanie braków 49
- Imputacja danych 49
- Tworzenie kolumn ze wskaźnikami 50
- Nazwy kolumn 51
- Uzupełnianie brakujących wartości 52
- Ilość danych 53
- Statystyki podsumowujące 53
- Histogram 54
- Wykres punktowy 56
- Wykres łączony 57
- Macierz wykresów 59
- Wykresy pudełkowy i skrzypcowy 60
- Porównywanie dwóch cech porządkowych 61
- Korelacja 63
- Wykres RadViz 66
- Wykres współrzędnych równoległych 68
- Normalizacja 71
- Skalowanie w zadanym zakresie 72
- Kolumny wskaźnikowe 73
- Kodowanie etykietowe 74
- Kodowanie częstościowe 74
- Wyodrębnianie kategorii danych z ciągów znaków 75
- Inne rodzaje kodowania kolumn kategorialnych 76
- Przetwarzanie dat 78
- Tworzenie cechy col_na 79
- Ręczne przetwarzanie cech 79
- Skorelowane kolumny danych 81
- Regresja lasso 83
- Rekurencyjna eliminacja cech 85
- Informacja wzajemna 86
- Analiza głównych składowych 87
- Ważność cech 87
- Wybór innego wskaźnika 89
- Algorytmy drzewa decyzyjnego i metody zespołowe 89
- Penalizacja modeli 89
- Próbkowanie w górę mniej licznych klas 90
- Generowanie danych w mniej licznych klasach 91
- Próbkowanie w dół bardziej licznych klas 91
- Próbkowanie w górę, a potem w dół 92
- Regresja logistyczna 94
- Naiwny klasyfikator Bayesa 98
- Maszyna wektorów nośnych 99
- K najbliższych sąsiadów 102
- Drzewo decyzyjne 104
- Las losowy 111
- XGBoost 115
- Model LightGBM z gradientowym wzmacnianiem 124
- TPOT 128
- Krzywa weryfikacji 133
- Krzywa uczenia 134
- Tablica pomyłek 137
- Wskaźniki 140
- Dokładność 141
- Czułość 141
- Precyzja 141
- F1 142
- Raport klasyfikacyjny 142
- Krzywa ROC 142
- Krzywa precyzja-czułość 144
- Krzywa skumulowanych zysków 145
- Krzywa podniesienia 147
- Równowaga klas 149
- Błąd prognozowania klas 150
- Próg dyskryminacji 150
- Współczynniki regresji 153
- Ważność cech 153
- Pakiet LIME 153
- Interpretacja drzewa 155
- Wykres częściowych zależności 156
- Modele zastępcze 158
- Pakiet Shapley 159
- Model odniesienia 165
- Regresja liniowa 165
- Maszyna wektorów nośnych 168
- K najbliższych sąsiadów 170
- Drzewo decyzyjne 172
- Las losowy 177
- XGBoost 180
- LightGBM 185
- Wskaźniki 191
- Wykres reszt 193
- Heteroskedastyczność 194
- Rozkład normalny reszt 195
- Wykres błędów prognozowanych wyników 196
- Shapley 199
- Analiza głównych składowych 205
- UMAP 221
- t-SNE 226
- PHATE 230
- Algorytm k-średnich 233
- Klastrowanie aglomeracyjne (hierarchiczne) 239
- Interpretowanie klastrów 241
- Potok klasyfikacyjny 247
- Potok regresyjny 249
- Potok analizy głównych składowych 249
Przedmowa 9
Rozdział 1. Wprowadzenie 13
Rozdział 2. Schemat procesu uczenia maszynowego 19
Rozdział 3. Klasyfikacja danych: baza Titanic 21
Rozdział 4. Brakujące dane 45
Rozdział 5. Oczyszczanie danych 51
Rozdział 6. Badanie danych 53
Rozdział 7. Wstępne przetwarzanie danych 71
Rozdział 8. Wybieranie cech 81
Rozdział 9. Niezrównoważone klasy danych 89
Rozdział 10. Klasyfikacja 93
Rozdział 11. Wybór modelu 133
Rozdział 12. Wskaźniki i ocena klasyfikacji 137
Rozdział 13. Interpretacja modelu 153
Rozdział 14. Regresja 163
Rozdział 15. Wskaźniki i ocena regresji 191
Rozdział 16. Interpretacja modelu regresyjnego 199
Rozdział 17. Redukcja wymiarowości danych 205
Rozdział 18. Klastrowanie danych 233
Rozdział 19. Potoki 247
Oceny i opinie klientów: Uczenie maszynowe w Pythonie. Leksykon kieszonkowy Matt Harrison (1)
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.
(0)
(1)
(0)
(0)
(0)
(0)
Opinia: Radosław S,
Opinia dodana: 2021-01-13 Ocena: 5 Opinia potwierdzona zakupem