Bewertung:

Derzeit gibt es keine Leserbewertungen. Die Bewertung basiert auf 37 Stimmen.
Machine Learning for Beginners: Learn to Build Machine Learning Systems Using Python (English Edition)
Machen Sie sich mit verschiedenen Algorithmen für überwachtes, unüberwachtes und verstärkendes Lernen vertraut.
Hauptmerkmale
⬤ Verstehen Sie die Arten des maschinellen Lernens.
⬤ Vertraut werden mit verschiedenen Methoden der Merkmalsextraktion.
⬤ Verschaffen Sie sich einen Überblick über die Funktionsweise von Algorithmen für neuronale Netze.
⬤ Lernen Sie, wie man Entscheidungsbäume und Zufallsforste implementiert.
⬤ Das Buch erklärt nicht nur die Klassifizierungsalgorithmen, sondern geht auch auf die Abweichungen/ mathematische Modellierung ein.
Beschreibung
Dieses Buch behandelt wichtige Konzepte und Themen des maschinellen Lernens. Es beginnt mit der Datenbereinigung und gibt einen Überblick über die Merkmalsauswahl. Anschließend wird über Training und Test, Kreuzvalidierung und Feature Selection gesprochen. Das Buch behandelt Algorithmen und Implementierungen der gängigsten Feature Selection-Techniken. Der Schwerpunkt des Buches liegt dann auf der linearen Regression und dem Gradientenabstieg. Einige der wichtigsten Klassifizierungstechniken wie K-nearest neighbors, logistische Regression, Na ve Bayesian und lineare Diskriminanzanalyse werden in dem Buch behandelt. Anschließend wird ein Überblick über Neuronale Netze gegeben und der biologische Hintergrund, die Grenzen des Perceptrons und das Backpropagation-Modell erläutert. Die Support Vector Machines und Kernel-Methoden sind ebenfalls Bestandteil des Buches. Anschließend wird gezeigt, wie Entscheidungsbäume und Zufallswälder implementiert werden können.
Gegen Ende des Buches wird ein kurzer Überblick über das unüberwachte Lernen gegeben. Es werden verschiedene Techniken zur Merkmalsextraktion, wie Fourier-Transformation, STFT und lokale binäre Muster, behandelt. Das Buch behandelt auch die Hauptkomponentenanalyse und ihre Implementierung.
Was werden Sie lernen?
⬤ Lernen Sie, wie man Daten für maschinelles Lernen vorbereitet.
⬤ Lernen Sie, wie man Lernalgorithmen von Grund auf implementiert.
⬤ Scikit-Learn zur Implementierung von Algorithmen verwenden.
⬤ Verwenden Sie verschiedene Methoden zur Merkmalsauswahl und Merkmalsextraktion.
⬤ Lernen Sie, wie man ein System zur Gesichtserkennung entwickelt.
Für wen ist dieses Buch gedacht?
Das Buch richtet sich an Studierende der Informatik im Grund- und Hauptstudium sowie an Berufstätige, die in die faszinierende Welt des maschinellen Lernens einsteigen wollen. Dieses Buch setzt Grundkenntnisse in den Grundlagen der Programmierung voraus, insbesondere in Python.
Inhaltsverzeichnis
1. Eine Einführung in das Maschinelle Lernen.
2. Der Anfang: Vorverarbeitung und Merkmalsauswahl.
3. Regression.
4. Klassifizierung.
5. Neuronale Netzwerke - I.
6. Neuronale Netze - II.
7. Support-Vektor-Maschinen.
8. Entscheidungsbäume.
9. Clustering.
10. Merkmalsextraktion.
Appendix.
A1. Spickzettel.
A2. Erkennung von Gesichtern.
A3. Biblographie.
Über den Autor
Harsh Bhasin ist ein Forscher für angewandtes maschinelles Lernen. Herr Bhasin arbeitete als Assistenzprofessor in Jamia Hamdard, Neu-Delhi, und unterrichtete als Gastdozent an verschiedenen Instituten, einschließlich der Delhi Technological University. Davor arbeitete er in der C#-Client-Side-Entwicklung und der Entwicklung von Algorithmen.
Herr Bhasin ist Autor einiger Artikel, die in renommierten Fachzeitschriften wie Soft Computing, Springer, BMC Medical Informatics and Decision Making, AI and Society usw. veröffentlicht wurden. Er ist Gutachter für prominente Fachzeitschriften und war Herausgeber einiger Sonderausgaben. Er wurde mit einem bedeutenden Stipendium ausgezeichnet.
Außerhalb der Arbeit interessiert er sich sehr für Hindi-Poesie, die progressive Ära.
Hindustani Classical Music und Schlaginstrumente.
Zu seinen Interessensgebieten gehören Datenstrukturen, Algorithmenanalyse und -entwurf, Rechentheorie, Python, maschinelles Lernen und Deep Learning.
Ihr LinkedIn-Profil:
Https: //in. linkedin.com/in/harsh-bhasin-69134426.