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. Оливер Теобальд - технический писатель, специализирующийся на темах искусственного интеллекта, финансовых технологий и облачных вычислений. Автор книг Python for Absolute Beginners, Machine Learning with Python for Beginners, Data Analytics for Absolute Beginners и др.
