"Data is the new oil" est un dicton que vous devez avoir déjà entendu avec l'énorme intérêt qui s'est accumulé autour de Big Data et Machine Learning dans le...

Dépôt créer le : 29/07/2017

Forks: 1655 Watcher: 0 2369

Github: https://github.com/dipanjanS/practical-machine-learning-with-python

Ajouter à une sélection :

Connectez-vous pour gérer vos sélections.

Apprentissage pratique avec Python

Guide de résolution des problèmes pour la construction de systèmes intelligents dans le monde réel

"Les données sont le nouveau pétrole"est un dicton que vous devez avoir déjà entendu avec l'énorme intérêt qui s'est accumulé autour de Big Data et Machine Learning dans le passé récent avec l'intelligence artificielle et l'apprentissage profond. En outre, les data scientists ont été appelés comme ayant"Le travail le plus sexy du 21ème siècle"ce qui rend d'autant plus utile de développer une expertise précieuse dans ces domaines. Commencer avec l'apprentissage automatique dans le monde réel peut être accablant avec la grande quantité de ressources sur le web.

"Practical Machine Learning with Python"suit une approche structurée et exhaustive à trois niveaux, avec des concepts, des méthodologies, des exemples pratiques et du code. Ce livre est rempli de plus de 500 pages d'informations utiles qui aident ses lecteurs à maîtriser les compétences essentielles nécessaires pour reconnaître et résoudre des problèmes complexes avec Machine Learning et Deep Learning en suivant un état d'esprit basé sur les données. En utilisant des études de cas sur le monde réel qui tirent parti de l'écosystème populaire de Python Machine Learning, ce livre est votre compagnon idéal pour apprendre l'art et la science de Machine Learning pour devenir un praticien réussi. Les concepts, techniques, outils, cadres et méthodologies utilisés dans ce livre vous apprendront à penser, concevoir, construire et exécuter avec succès des systèmes et des projets d'apprentissage automatique.

Ce dépôt contient tous les codes, cahiers et exemples utilisés dans ce livre. Nous allons également ajouter du contenu bonus ici de temps en temps. Alors continue à regarder cet espace !

Obtenez le livre

À propos du livre

Maîtriser les compétences essentielles nécessaires pour reconnaître et résoudre des problèmes complexes avec l'apprentissage automatique et l'apprentissage profond. En utilisant des exemples du monde réel qui tirent parti de l'écosystème populaire d'apprentissage automatique Python, ce livre est votre compagnon idéal pour apprendre l'art et la science de l'apprentissage automatique pour devenir un praticien réussi. Les concepts, techniques, outils, cadres et méthodologies utilisés dans ce livre vous apprendront à penser, concevoir, construire et exécuter avec succès des systèmes et des projets d'apprentissage automatique.

Nous nous concentrons sur la mise à profit des derniers cadres d'analyse de données, d'apprentissage automatique et d'apprentissage profond, notamment :scikit-learn,pandas,statsmodels,spaCy,nltk,gensim,tensorflow,keras,skateret plusieurs autres pour traiter, embrouiller, analyser, visualiser et modéliser les ensembles de données et les problèmes du monde réel! Avec une approche d'apprentissage par la pratique, nous essayons d'abstractionner des théories et des concepts complexes (tout en présentant l'essentiel chaque fois que nécessaire), qui tendent souvent à empêcher les praticiens de tirer parti de la véritable puissance de l'apprentissage machine pour résoudre leurs propres problèmes.

Edition: 1ère Pages: 532 Langue: Anglais
Titre du livre: Apprentissage pratique de la machine avec Python Editeur: Apress (une partie de Springer) Copyright: Dipanjan Sarkar, Raghav Bali, Tushar Sharma
Imprimer ISBN: 978-1-4842-3206-4 En ligne ISBN: 978-1-4842-3207-1 DOI: 10.10.07/978-1-4842-3207- 1

Practical Machine Learning with Pythonsuit une approche structurée et complète à trois niveaux avec des exemples pratiques et un code.

Part 1se concentre sur la compréhension des concepts et des outils d'apprentissage automatique. Cela comprend les bases de l'apprentissage automatique avec un large aperçu des algorithmes, des techniques, des concepts et des applications, suivi d'une visite de l'ensemble de l'écosystème de l'apprentissage automatique Python. De brefs guides pour les outils d'apprentissage automatique utiles, les bibliothèques et les cadres sont également abordés.
Part 2détaille les pipelines d'apprentissage automatique standard, en mettant l'accent sur l'analyse du traitement des données, l'ingénierie des fonctions et la modélisation. Vous apprendrez à traiter, mélanger, résumer et visualiser les données sous ses différentes formes. Les méthodes d'ingénierie et de sélection des caractéristiques seront traitées en détail avec des ensembles de données du monde réel, puis avec des modèles de construction, de réglage, d'interprétation et de déploiement.
Part 3explore plusieurs études de cas dans le monde réel couvrant divers domaines et industries commecommerce de détail,transports,films,musique,commercialisation,vision de l'ordinateuretfinancement. Pour chaque étude de cas, vous apprendrez l'application de diverses techniques et méthodes d'apprentissage automatique. Les exemples pratiques vous aideront à vous familiariser avec les outils et les techniques d'apprentissage automatique les plus modernes et à comprendre quels algorithmes sont les mieux adaptés à tout problème.

Practical Machine Learning with Pythonvous permettra de commencer à résoudre vos propres problèmes avec l'apprentissage automatique aujourd'hui! !

Ce que vous apprendrez

Exécuter des projets et systèmes d'apprentissage automatique de bout en bout
Mettre en œuvre des exemples pratiques avec des outils et des cadres standard de l'industrie, à source ouverte et à machine d'apprentissage robuste
Examiner des études de cas illustrant les applications de l'apprentissage automatique et de l'apprentissage profond dans divers domaines et industries
Appliquer un large éventail de modèles d'apprentissage automatique, y compris la régression, la classification et le regroupement.
Comprendre et appliquer les derniers modèles et méthodologies de l'apprentissage profond, y compris les CNN, les RNN, les LSTM et l'apprentissage par transfert.

Propulsé par les cadres suivants

- Oui. C'est pas vrai. AutresAutresAutresAutres AutresAutresAutresAutres AutresAutresAutresAutres AutresAutresAutresAutres

Auditoire

Ce livre a été spécialement écrit pour les professionnels de l'informatique, les analystes, les développeurs, les data scientists, les ingénieurs, les étudiants diplômés et toute personne intéressée à analyser et à tirer des informations à partir de données! !