Bewertung:
Das Buch „Machine Learning for Streaming Data with Python“ von Joos Korstanje bietet eine umfassende Einführung in das maschinelle Online-Lernen unter Verwendung der River-Bibliothek. Es behandelt theoretische Konzepte und praktische Anwendungen für den Umgang mit Streaming-Daten und bietet verschiedene Codebeispiele, die effizient funktionieren. Während einige Rezensenten die Organisation und Tiefe des Buches lobten, kritisierten andere, dass es keine detaillierten streaming-spezifischen Inhalte enthält und nur grundlegende Informationen präsentiert.
Vorteile:Gut strukturierter und organisierter Inhalt.
Nachteile:Vermittelt sowohl theoretisches als auch praktisches Wissen.
(basierend auf 9 Leserbewertungen)
Machine Learning for Streaming Data with Python: Rapidly build practical online machine learning solutions using River and other top key frameworks
Anwenden von maschinellem Lernen auf Streaming-Daten mit Hilfe praktischer Beispiele und Bewältigung von Herausforderungen im Zusammenhang mit Streaming
Hauptmerkmale:
⬤ Arbeiten Sie an Streaming-Anwendungsfällen, die in den meisten Data-Science-Kursen nicht gelehrt werden.
⬤ Sammeln Sie Erfahrungen mit modernsten Tools für Streaming-Daten.
⬤ Bewältigen Sie verschiedene Herausforderungen beim Umgang mit Streaming-Daten.
Buchbeschreibung:
Streaming Data ist die neue Spitzentechnologie, auf die man im Bereich der Datenwissenschaft und des maschinellen Lernens achten sollte. Da die Geschäftsanforderungen immer anspruchsvoller werden, erfordern viele Anwendungsfälle Echtzeitanalysen und maschinelles Lernen in Echtzeit. Dieses Buch hilft Ihnen, sich mit der Datenanalyse für Streaming-Daten vertraut zu machen und konzentriert sich stark auf die Anpassung von maschinellem Lernen und anderen Analysen an Streaming-Daten.
Sie werden zunächst etwas über die Architektur für Streaming und maschinelles Lernen in Echtzeit erfahren. Als nächstes werden Sie sich mit den modernsten Frameworks für Streaming-Daten wie River beschäftigen. Spätere Kapitel befassen sich mit verschiedenen industriellen Anwendungsfällen für Streaming-Daten wie Online Anomaly Detection und anderen. Im weiteren Verlauf werden Sie verschiedene Herausforderungen entdecken und lernen, wie Sie diese abmildern können. Darüber hinaus lernen Sie Best Practices kennen, die Ihnen helfen, Streaming-Daten zu nutzen, um Erkenntnisse in Echtzeit zu gewinnen.
Am Ende dieses Buches werden Sie die nötige Sicherheit erlangt haben, um Daten in Ihren maschinellen Lernmodellen zu streamen.
Was Sie lernen werden:
⬤ Verstehen Sie die Herausforderungen und Vorteile der Arbeit mit Streaming-Daten.
⬤ Entwickeln Sie Echtzeit-Einsichten aus Streaming-Daten.
⬤ Verstehen Sie die Implementierung von Streaming-Daten anhand verschiedener Anwendungsfälle, um Ihr Wissen zu erweitern.
⬤ Entwickeln Sie eine PCA-Alternative, die mit Echtzeitdaten arbeiten kann.
⬤ Erforschen Sie die besten Praktiken für den Umgang mit Streaming-Daten, die Sie sich unbedingt merken sollten.
⬤ Entwickeln Sie eine API für maschinelles Lernen in Echtzeit.
Für wen dieses Buch gedacht ist:
Dieses Buch richtet sich an Datenwissenschaftler und Ingenieure für maschinelles Lernen, die einen Hintergrund in maschinellem Lernen haben, praxis- und technologieorientiert sind und anhand praktischer Beispiele mit modernen Technologien lernen möchten, wie maschinelles Lernen auf Streaming-Daten angewendet werden kann. Obwohl ein Verständnis grundlegender Python- und Machine-Learning-Konzepte ein Muss ist, sind keine Vorkenntnisse über Streaming erforderlich.
| ISBN: | 9781803248363 |
| Autor: | |
| Verlag: | |
| Sprache: | Englisch |
| Einband: | Taschenbuch |
| Erscheinungsjahr: | 2022 |
| Seitenzahl: | 258 |
Derzeit verfügbar, auf Lager.
