O'Reilly Media Справочник по машинному обучению с Python: Практические решения от обработки данных до глубокого обучения

Этот практический гид предлагает более 200 независимых рецептов, которые помогут вам решить задачи машинного обучения, с которыми вы можете столкнуться в своей работе.

Если вы уверенно работаете с Python и его библиотеками, включая pandas и scikit-learn, вы сможете справиться с конкретными проблемами, от загрузки данных до обучения моделей и использования нейронных сетей.

Каждый рецепт в этом обновленном издании включает код, который вы можете копировать, вставлять и запускать с набором данных, чтобы убедиться, что он работает. Вы можете адаптировать эти рецепты в зависимости от вашего случая использования или приложения.

Рецепты содержат обсуждение, которое объясняет решение и дает значимый контекст.

Углубитесь в теорию и концепции, изучая практические аспекты, необходимые для создания работающих приложений машинного обучения.

Вы найдете рецепты для:

• Векторов, матриц и массивов
• Работы с данными из CSV, JSON, SQL, баз данных, облачного хранилища и других источников
• Обработки числовых и категориальных данных, текста, изображений, дат и времени
• Снижения размерности с помощью отбора признаков или выемки признаков
• Оценки и выбора моделей
• Линейной и логической регрессии, деревьев и лесов, ближайших соседей
• Опорных векторов (SVM), наивного байеса, кластеризации и моделей на основе деревьев
• Сохранения, загрузки и обслуживания обученных моделей из нескольких фреймворков