Python и машинное обучение, Рашка С., 2017

Python и машинное обучение, Рашка С., 2017.

   Книга предоставит вам доступ в мир прогнозной аналитики и продемонстрирует, почему Python является одним из лидирующих языков науки о данных. Охватывая широкий круг мощных библиотек Python, в том числе scikit-learn, Theano и Keras, предлагая руководство и советы по всем вопросам, начиная с анализа мнений и заканчивая нейронными сетями, книга ответит на большинство ваших вопросов по машинному обучению.
Издание предназначено для специалистов по анализу данных, находящихся в поисках более широкого и практического понимания принципов машинного обучения.




Использование Python для машинного обучения.
Python - один из самых популярных языков программирования для науки о данных и потому обладает огромным количеством полезных дополнительных библиотек, разработанных его колоссальным сообществом программистов.

Учитывая, что производительность таких интерпретируемых языков, как Python, для вычислительно-емких задач хуже, чем у языков программирования более низкого уровня, были разработаны дополнительные библиотеки, такие как NumPy и SciPy, которые опираются на низкоуровневые реализации на Fortran и С для быстродействующих и векторизованных операций на многомерных массивах.

Для выполнения задач программирования машинного обучения мы главным образом будем обращаться к библиотеке scikit-learn, которая на сегодня является одной из самых популярных и доступных библиотек машинного обучения с открытым исходным кодом.

Содержание.
Предисловие.
Об авторе.
О рецензентах.
Введение.
Глава 1. Наделение компьютеров способностью обучаться на данных.
Глава 2. Тренировка алгоритмов машинного обучения для задачи классификации.
Глава 3. Обзор классификаторов с использованием библиотеки scikit-learn.
Глава 4. Создание хороших тренировочных наборов - предобработка данных.
Глава 5. Сжатие данных путем снижения размерности.
Глава 6. Изучение наиболее успешных методов оценки моделей и тонкой настройки гиперпараметров.
Глава 7. Объединение моделей для методов ансамблевого обучения.
Глава 8. Применение алгоритмов машинного обучения в анализе мнений.
Глава 9. Встраивание алгоритма машинного обучения в веб-приложение.
Глава 10. Прогнозирование значений непрерывной целевой переменной на основе регрессионного анализа.
Глава 11. Работа с немаркированными данными - кластерный анализ.
Глава 12. Тренировка искусственных нейронных сетей для распознавания изображений.
Глава 13. Распараллеливание тренировки нейронных сетей при помощи Theano.
Приложение А.
Глоссарий основных терминов и сокращений.
Предметный указатель.

Купить .








Теги: учебник по программированию :: программирование :: Рашка