Практическое и подробное введение в машинное обучение.

Простые и понятные объяснения и отсутствие необходимости опыта программирования делают эту книгу прекрасной альтернативой академическому учебнику. Здесь представлены основные алгоритмы машинного обучения (ML), которые сопровождаются наглядными примерами и практическими работами. Также вы узнаете про перекрестную проверку, ансамблевое моделирование, поиск по сетке для настройки моделей, проектирование функций, горячее кодирование и многое другое.

Для разработки интеллектуальных машин в первую очередь надо понять классическую статистику, так как алгоритмы на ее основе — это сердце машинного обучения. Написание кода — еще одна неотъемлемая часть ML, которая предусматривает управление данными. Однако материал этого руководства можно освоить даже без навыков программирования.

Возможно, с чтения этой книги начнется ваш путь к получению работы в области машинного обучения, а может быть, она просто удовлетворит ваше любопытство.

Внутри руководства:

• Загрузка бесплатных наборов данных.

• Методы очистки данных, включая горячее кодирование, группирование и обработку недостающих данных.

• Подготовка данных для анализа.

• Линейный регрессионный анализ.

• Кластеризация, включая кластеризацию k-средних.

• Основы работы нейронных сетей.

• Смещение/дисперсия для улучшения модели машинного обучения.

• Деревья решений для декодирования классификации.

• Ваша первая модель машинного обучения с помощью Python.