Uczenie maszynowe kojarzy się z sporymi firmami i rozbudowanymi zespołami. Prawda jest taka,aktualnie można samodzielnie generować progresywne rozwiązania uczenia maszynowego i korzystać do woli z olbrzymich zasobów dostępnych informacji.
Trzeba tylko mieć pomysł i... Trochę podstawowej wiedzy. Tymczasem większość opracowań na temat uczenia maszynowego i sztucznej inteligencji wymaga biegłości w zaawansowanej matematyce. Utrudnia to naukę tego zagadnienia, mimo iż uczenie maszynowe jest coraz powszechniej stosowane w projektach badawczych i komercyjnych.
Ta praktyczna książka ułatwi Ci rozpoczęcie wdrażania rozwiązań rzeczywistych problemów związanych z uczeniem maszynowym. Mieści dostępne wprowadzenie do uczenia maszynowego i nienaturalnej inteligencji i sposoby użycia Pythona i biblioteki scikit-learn, uwzględniające zapotrzebowania badaczy i analityków i inżynierów pracujących nad aplikacjami komercyjnymi.
Zagadnienia matematyczne ograniczono tu do potrzebnego minimum, zamiast tego skoncentrowano się na praktycznych aspektach algorytmów uczenia maszynowego. Dokładnie opisano, jak konkretnie można skorzystać z szerokiej gamy modeli zastosowanych w dostępnych bibliotekach.
W książce pomiędzy innymi: podstawowe dane o uczeniu maszynowym najważniejsze algorytmy uczenia maszynowego przetwarzanie danych w uczeniu maszynowym ocena modelu i dostrajanie parametrów łańcuchy modeli i hermetyzacja przepływu pracy przetwarzanie danych tekstowych Python i uczenie maszynowe: programowanie do zadań specjalnych!
Powyższy opis pochodzi od wydawcy.
