Chris Albon Libros

With Early Release ebooks, you get books in their earliest form--the author's raw and unedited content as he or she writes--so you can take advantage of these technologies long before the official release of these titles. You'll also receive updates when significant changes are made, new chapters are available, and the final ebook bundle is released. The Python programming language and its libraries, including pandas and scikit-learn, provide a production-grade environment to help you accomplish a broad range of machine-learning tasks. With this comprehensive cookbook, data scientists and software engineers familiar with Python will benefit from almost 200 practical recipes for building a comprehensive machine-learning pipeline--everything from data preprocessing and feature engineering to model evaluation and deep learning. Learn from author Chris Albon, a data scientist who has written more than 500 tutorials on Python, data science, and machine learning. Each recipe in this practical cookbook includes code solutions that you can put to work right away, along with a discussion of how and why they work--making it ideal as a learning tool and reference book. --

Uczenie maszynowe jest dziś wykorzystywane w różnych dziedzinach życia: w biznesie, w polityce, w organizacjach non profit i oczywiście w nauce. Samouczące się algorytmy maszynowe stanowią wyjątkową metodę przekształcania danych w wiedzę. Powstało sporo książek wyjaśniających sposób działania tych algorytmów i prezentujących nieraz spektakularne przykłady ich wykorzystania. Do dyspozycji pozostają też narzędzia przeznaczone do tego rodzaju zastosowań, takie jak biblioteki Pythona, w tym pandas i scikit-learn. Problemem pozostaje implementacja rozwiązań codziennych problemów związanych z uczeniem maszynowym. Z tej książki najwięcej skorzystają profesjonaliści, którzy znają podstawowe koncepcje związane z uczeniem maszynowym. Osoby te potraktują ją jako przewodnik ułatwiający rozwiązywanie konkretnych problemów napotykanych podczas codziennej pracy z uczeniem maszynowym. Dzięki zawartym tu recepturom takie zadania jak wczytywanie danych, obsługa danych tekstowych i liczbowych, wybór modelu czy redukcja wymiarowości staną się o wiele łatwiejsze do wykonania. Każda receptura zawiera kod, który można wstawić do swojego programu, połączyć lub zaadaptować według potrzeb. Przedstawiono także analizy wyjaśniające poszczególne rozwiązania i ich kontekst. Z tą książką płynnie przejdziesz od rozważań teoretycznych do opracowywania działających aplikacji i praktycznego korzystania z zalet uczenia maszynowego.

Python-Programmierer finden in diesem Kochbuch nahezu 200 wertvolle, abgeschlossene Anleitungen zu typischen Aufgabenstellungen im Machine Learning – von der Datenvorverarbeitung bis zum Deep Learning. Entwickler, die mit Python und Bibliotheken wie Pandas und Scikit-Learn vertraut sind, werden spezifische Probleme erfolgreich lösen, darunter das Laden von Daten, die Behandlung von Text- und numerischen Daten, die Auswahl von Modellen, die Reduktion der Dimensionalität und mehr. Jedes Rezept enthält kopierbaren Code, den Sie in einer kleinen Beispieldatenmenge testen und anpassen können, um eigene Anwendungen zu entwickeln. Alle Lösungen werden diskutiert, und wichtige Zusammenhänge werden hergestellt. Dieses Kochbuch hilft Ihnen, den Schritt von der Theorie in die Praxis zu machen, und bietet das praktische Rüstzeug, um funktionierende Machine-Learning-Anwendungen zu erstellen. Es enthält Rezepte zu Vektoren, Matrizen und Arrays, dem Umgang mit verschiedenen Datentypen, der Dimensionalitätsreduktion, Modellbewertung und -auswahl sowie zu verschiedenen Algorithmen wie Regression, Support Vector Machines, Clustering und neuronalen Netzen. Es ist eine wertvolle Ressource für erfahrene Profis und Anfänger, die ihr Wissen auffrischen oder eine prägnante Referenz suchen.