Maschinelles Lernen für absolute Anfänger: A Plain English Introduction

Maschinelles Lernen für blutige Anfänger: Eine leicht verständliche Einführung (Oliver Theobald)

Leserbewertungen

Zusammenfassung:

Das Buch dient als Nachschlagewerk und Überblick über Konzepte des maschinellen Lernens, aber die Meinungen über seine Zugänglichkeit für Anfänger gehen auseinander. Einige Nutzer loben es für seine Einfachheit und Prägnanz, während andere kritisieren, dass es Vorkenntnisse voraussetzt.

Vorteile:

** Großartige Ressource zum Nachschlagen und Auffrischen des Gedächtnisses für Konzepte des maschinellen Lernens. ** Prägnant und überschaubar in der Länge, so dass es schnell zu lesen ist. ** Ausgewogene Verwendung von Text und Abbildungen, die klare Anweisungen und visuelle Beispiele liefern. ** In einfachem Englisch verfasst, auch für Personen ohne große mathematische Vorkenntnisse verständlich. ** Enthält eine Fülle von zusätzlichen Ressourcen in Fußnoten und Anhängen.

Nachteile:

** Setzt gewisse Vorkenntnisse über statistische und maschinelle Lernkonzepte voraus, was absolute Anfänger verwirren kann. ** Einige Abschnitte sind unklar und müssen möglicherweise mehrmals gelesen werden, um sie zu verstehen. ** Formatierungsprobleme haben den ersten Eindruck beeinträchtigt. ** Es fehlt an ausführlichen Beispielen für einige Themen, und einige Leser hatten das Gefühl, dass bestimmte Algorithmen nicht ausreichend erklärt wurden. ** Kritiker erwähnen zahlreiche Tippfehler und umständliche Erklärungen, die die Klarheit des Inhalts untergraben.

(basierend auf 185 Leserbewertungen)

Originaltitel:

Machine Learning For Absolute Beginners: A Plain English Introduction

Inhalt des Buches:

(Von Tableau als erstes der "7 Bücher über maschinelles Lernen für Anfänger" vorgestellt) Sind Sie bereit, einen virtuellen Server hochzufahren und sich durch Petabytes von Daten zu wühlen? Möchten Sie Ihr LinkedIn-Profil um "Machine Learning" erweitern? Nun, warten Sie mal ab... Bevor Sie sich auf Ihre epische Reise begeben, müssen Sie sich zunächst mit einigen theoretischen und statistischen Grundlagen auseinandersetzen. Aber anstatt $30-$50 USD für ein dickes, langes Lehrbuch auszugeben, sollten Sie lieber zuerst dieses Buch lesen. Als klare und prägnante Alternative zu einem Lehrbuch bietet dieses Buch eine praktische und anspruchsvolle Einführung in das maschinelle Lernen. Das Buch Machine Learning for Absolute Beginners Second Edition wurde für absolute Anfänger geschrieben und konzipiert. Das bedeutet, dass die Erklärungen in einfachem Englisch gehalten sind und keine Programmierkenntnisse erforderlich sind. Dort, wo die wichtigsten Algorithmen vorgestellt werden, werden klare Erklärungen und visuelle Beispiele hinzugefügt, um es einfach und ansprechend zu machen, zu Hause zu folgen.

Diese wichtige neue Ausgabe enthält viele Themen, die in der ersten Ausgabe nicht behandelt wurden, darunter Cross Validation, Data Scrubbing und Ensemble Modeling. Bitte beachten Sie, dass es sich bei diesem Buch nicht um eine Fortsetzung der ersten Auflage handelt, sondern vielmehr um eine umstrukturierte und überarbeitete Version der ersten Auflage. Leser der ersten Auflage sollten sich nicht gezwungen fühlen, diese zweite Auflage zu kaufen. Wenn Sie das Anfängerstadium in Ihrem Studium des maschinellen Lernens hinter sich gelassen haben und bereit sind, sich mit Kodierung und Deep Learning zu befassen, sind Sie mit einem langformatigen Lehrbuch gut bedient. Wenn Sie jedoch noch nicht den "König der Löwen"-Moment erreicht haben - als ein ausgewachsener Simba, der über die Pride Lands von Afrika blickt - dann ist dies das Buch, das Sie sanft hochhebt und Ihnen einen klaren Überblick über das Land gibt.

In dieser Schritt-für-Schritt-Anleitung werden Sie lernen: - Wie man kostenlose Datensätze herunterlädt - Welche Tools und Bibliotheken für maschinelles Lernen man braucht - Data scrubbing-Techniken, einschließlich One-Hot-Codierung, Binning und Umgang mit fehlenden Daten - Aufbereitung der Daten für die Analyse, einschließlich k -fold Validation - Regressionsanalyse zur Erstellung von Trendlinien - Clustering, einschließlich k -Means Clustering, um neue Beziehungen zu finden - Die Grundlagen von Neuronalen Netzen - Bias/Varianz, um Ihr maschinelles Lernmodell zu verbessern - Entscheidungsbäume, um die Klassifizierung zu entschlüsseln - Wie Sie Ihr erstes maschinelles Lernmodell zur Vorhersage von Hauswerten mit Python erstellen Häufig gestellte Fragen Q: Brauche ich Programmiererfahrung, um dieses Buch zu lesen? A: Dieses Buch richtet sich an absolute Anfänger, daher ist keine Programmiererfahrung erforderlich. In zwei der späteren Kapitel wird jedoch Python eingeführt, um ein tatsächliches Modell für maschinelles Lernen zu demonstrieren, so dass Sie die Programmiersprache in diesem Buch verwenden werden. F: Ich habe bereits die erste Auflage dieses Buches gekauft, sollte ich auch die zweite Auflage kaufen? A: Da die meisten Themen der ersten Auflage in der zweiten Auflage behandelt werden, sollten Sie besser einen fortgeschritteneren Titel über maschinelles Lernen lesen. F: Kann ich Zugang zur Kindle-Version dieses Buches erhalten? A: Ja.

Im Rahmen des Matchbook-Programms von Amazon kann der Käufer dieses Buches die Kindle-Version dieses Titels (im Wert von $3,99 USD) kostenlos zu seiner Amazon Kindle-Bibliothek hinzufügen. F: Enthält dieses Buch alles, was ich brauche, um ein Experte für maschinelles Lernen zu werden? A: Dieses Buch ist für Leser gedacht, die ihre ersten Schritte im Bereich des maschinellen Lernens machen. Um das maschinelle Lernen zu beherrschen, sind über dieses Buch hinaus weitere Kenntnisse erforderlich.