Введение в машинное обучение с помощью Python
Андреас Мюллер, Сара Гридо
Данная книга адресована действующим и начинающим специалистам по
машинному обучению, решающим реальные задачи. Эта книга является
вводной и не требует предварительных знаний в области машинного
обучения или искусственного интеллекта. Мы сосредоточимся на
использовании языка Python и библиотеки scikit-learn, рассмотрим все
этапы создания успешного проекта по машинному обучению. Методы,
которые мы затронем, пригодятся ученым и исследователям, а также
специалистам по анализу данных, работающим в различных
коммерческих сферах. Вы получите максимальную отдачу от книги, если
хотя бы немного знакомы с языком Python и библиотеками NumPy и
matplotlib.
Мы приложили сознательные усилия, направленные на то, чтобы вместо
изложения математических подробностей сосредоточиться в большей
степени на практических аспектах использования алгоритмов машинного
обучения. Поскольку математика (в частности, теория вероятностей)
является той основой, на которой строится машинное обучение, мы не
будем детально вдаваться в подробности алгоритмов. Если вас
интересует математический аппарат алгоритмов машинного обучения,
мы рекомендуем книгу издательства Springer
The Elements of Statistical
Learning за авторством Тревора Хасти, Роберта Тибширани и Джерома
Фридмана, которая свободно доступна на сайте авторов. Кроме того, мы
не будем рассказывать о том, как написать тот или иной алгоритм
машинного обучения с нуля, и вместо этого сосредоточимся на
8
применении большого спектра моделей, уже реализованных в библиотеке
scikit-learn и других библиотеках
машинному обучению, решающим реальные задачи. Эта книга является
вводной и не требует предварительных знаний в области машинного
обучения или искусственного интеллекта. Мы сосредоточимся на
использовании языка Python и библиотеки scikit-learn, рассмотрим все
этапы создания успешного проекта по машинному обучению. Методы,
которые мы затронем, пригодятся ученым и исследователям, а также
специалистам по анализу данных, работающим в различных
коммерческих сферах. Вы получите максимальную отдачу от книги, если
хотя бы немного знакомы с языком Python и библиотеками NumPy и
matplotlib.
Мы приложили сознательные усилия, направленные на то, чтобы вместо
изложения математических подробностей сосредоточиться в большей
степени на практических аспектах использования алгоритмов машинного
обучения. Поскольку математика (в частности, теория вероятностей)
является той основой, на которой строится машинное обучение, мы не
будем детально вдаваться в подробности алгоритмов. Если вас
интересует математический аппарат алгоритмов машинного обучения,
мы рекомендуем книгу издательства Springer
The Elements of Statistical
Learning за авторством Тревора Хасти, Роберта Тибширани и Джерома
Фридмана, которая свободно доступна на сайте авторов. Кроме того, мы
не будем рассказывать о том, как написать тот или иной алгоритм
машинного обучения с нуля, и вместо этого сосредоточимся на
8
применении большого спектра моделей, уже реализованных в библиотеке
scikit-learn и других библиотеках
Kategorie:
Rok:
2017
Język:
russian
Strony:
393
Plik:
PDF, 13.28 MB
IPFS:
,
russian, 2017