Python w uczeniu maszynowym
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 bibliotek naukowych NumPy, Pandas, Scikit-Learn oraz SciPy dla języka Python, ilustrując je licznymi wykresami oraz przykładami kodu.
Książka ta pomoże programistom i analitykom biznesowym zainteresowanym badaniem danych w:
- Zapoznaniu się z rzeczywistymi przykładami testowania poszczególnych algorytmów poprzez zajmujące ćwiczenia praktyczne.
- Stosowaniu programowania sterowanego testami do pisania i uruchamiania testów przed rozpoczęciem kodowania.
- Badaniu technik poprawiających nasze modele uczenia maszynowego poprzez wydobywanie danych i opracowywanie funkcjonalności.
- Zwracaniu uwagi na ryzyka związane z uczeniem maszynowym takie jak niedopasowanie danych.
- Pracy z algorytmem K najbliższych sąsiadów, sieciami neuronowymi, klastrami i innymi technikami.
Matthew Kirk jest konsultantem, autorem i międzynarodowym prelegentem, specjalizującym się w uczeniu maszynowym i analizie danych z wykorzystaniem języków Ruby i Python. Mieszka w Seattle i lubi pomagać innym programistom w integrowaniu analizy danych ze stosowanymi przez nich technologiami. Więcej zasobów dotyczących uczenia maszynowego można znaleźć pod adresem www.matthewkirk.com.
UWAGA: KSIĄŻKA W POSTACI CYFROWEJ.
Po zakupie produkt będzie dostępny do pobrania z biblioteki na koncie allegro, dodatkowo na maila zostanie wysłana wiadomość z linkiem do pobrania plików (prosimy również sprawdzić katalog spam).
Aby pobrać ebooka, zaloguj się do serwisu Allegro, przejdź do strony z zamówieniami "Moje zakupy", a następnie z górnego menu wybierz:
"Zakupy" -> "E-booki" -> "Moja półka".
Link bezpośredni do półki:
allegro.pl/moje-allegro/zakupy/moja-polka
Każdy ebook zabezpieczony jest indywidualnym znakiem wodnym, który zawiera dane kupującego podane na Allegro.