Data Science in Layman's Terms: Machine Learning
Das maschinelle Lernen ist einer der am schnellsten wachsenden Bereiche des letzten Jahrzehnts. Maschinen, die lernen können, werden zu einem Teil unseres täglichen Lebens. Maschinen, die intelligent und lernfähig sind, werden durch Mathematik und Algorithmen angetrieben. Diese Themen müssen nicht schwierig sein. Dieses Buch vermittelt ein grundlegendes Verständnis für alles, was mit maschinellem Lernen zu tun hat, so dass Anfänger oder fortgeschrittene Datenwissenschaftler ihre Fähigkeiten erweitern können und neugierige Intellektuelle ein Verständnis für dieses Gebiet erlangen können.
Dieses Buch bietet einen vollständigen Überblick über das maschinelle Lernen. Es baut auf den Informationen auf, die in seinem Vorgänger, Data Science in Layman's Terms, präsentiert wurden: Statistik. Das Buch schafft ein Gleichgewicht zwischen einem leicht zu lesenden Tutorial und einem theorielastigen Lehrbuch, indem es zunächst die Ideen konzeptionell auf hohem Niveau präsentiert und dann in die Details und die Mathematik eintaucht. Jedes Kapitel wird von praktischen Beispielen mit Python und gegebenenfalls R begleitet. Das Material in der ersten Hälfte des Buches ist linear angeordnet, wobei jedes Kapitel auf dem Wissen der vorangegangenen Kapitel aufbaut. In der zweiten Hälfte des Buches werden Teilbereiche des maschinellen Lernens wie die Verarbeitung natürlicher Sprache, Computer Vision, Reinforcement Learning und Network Science behandelt.
Einige der praktischen Anwendungen, die Sie in diesem Buch lernen werden, sind:
- Einen simulierten Agenten zu konstruieren, der Spiele ohne Anweisungen spielt, und zu beobachten, wie er lernt, selbständig zu spielen.
- Gesichtserkennung auf Fotos und Videos in Echtzeit anwenden.
- Warenkorb-Analysen und Clustering durchführen, um die Effektivität des Marketings zu erhöhen oder das Einkaufserlebnis der Kunden zu verbessern.
- Identifizieren Sie ähnliche Musik allein anhand des Klangs.
- Realistisch aussehende Gesichter von Anime-Figuren generieren.
- Identifizieren Sie abstrakte Themen in Textdokumenten, und analysieren Sie, wie sich die Stimmung zu verschiedenen Themen im Laufe der Zeit verändert.
- Vorhersage von Personenpaaren, die bald in einem sozialen Netzwerk zusammenkommen könnten, und Untersuchung, wie sich Netzwerke im Laufe der Zeit verändern.
- Konvertieren Sie Scans oder Bilder von Dokumenten in Text.
- Lernen Sie, wie man neuronale Netzwerke mit Keras erstellt und wie man sie mit TensorBoard untersucht, um herauszufinden, wie sie verbessert werden können.
Das GitHub-Repository zu diesem Buch finden Sie unter: https: //github.com/nlinc1905/dsilt-ml-code.
| ISBN: | 9780578575896 |
| Autor: | |
| Verlag: | |
| Sprache: | Englisch |
| Einband: | Hardcover |
Derzeit verfügbar, auf Lager.
