Bewertung:
Das Buch wird als exzellente und prägnante Einführung in das maschinelle Lernen gelobt, aber auch kritisiert, weil es zahlreiche Fehler enthält, die besonders bei Anfängern zu Frustration führen. Die Gestaltung und die Qualität der Materialien wurden in einer Rezension positiv hervorgehoben.
Vorteile:⬤ Prägnante Einführung in das maschinelle Lernen
⬤ gut gestaltet mit hochwertigen Materialien
⬤ bietet unterstützende Ressourcen für Anfänger
⬤ günstige Kauferfahrung für einige Leser.
⬤ Enthält viele Fehler, die Anfänger frustrieren können
⬤ schlechter Verlagssupport und Schwierigkeiten beim Herunterladen von E-Books
⬤ negative Erfahrung, die bei einigen Lesern zur Rückgabe führt.
(basierend auf 3 Leserbewertungen)
Python Scikit-Learn for Beginners: Scikit-Learn Specialization for Data Scientist
Python für Datenwissenschaftler - Scikit-Learn Spezialisierung.
Scikit-Learn, auch bekannt als Sklearn, ist eine freie, quelloffene Bibliothek für maschinelles Lernen (ML), die für die Sprache Python verwendet wird. Im Februar 2010 wurde diese Bibliothek erstmals der Öffentlichkeit zugänglich gemacht. Und in weniger als drei Jahren wurde sie zu einer der beliebtesten Bibliotheken für maschinelles Lernen auf Github. Scikit-learn ist die beste Anlaufstelle für den Zugang zu benutzerfreundlichen, erstklassigen Implementierungen beliebter Algorithmen. Diese Bibliothek beschleunigt die Entwicklung von ML-Modellen. Die Hauptmerkmale der Scikit-learn-Bibliothek sind Regressions-, Klassifizierungs- und Clustering-Algorithmen (Random Forests, K-means, Gradient Boosting, DBSCAN UND Support Vector Machines). Die Scikit-learn-Bibliothek lässt sich auch gut mit anderen Python-Bibliotheken wie NumPy, Pandas, IPython, SciPy, Sympy und Matplotlib integrieren, um verschiedene Aufgaben zu erfüllen. Python für Datenwissenschaftler: Scikit-Learn Specialization bietet Ihnen einen praktischen und einfachen Ansatz, um Scikit-Learn schnell zu erlernen.
Was ist an diesem Buch anders?
Die meisten Python-Bücher setzen voraus, dass Sie wissen, wie man mit Pandas, NumPy und Matplotlib programmiert. Aber dieses Buch tut das nicht. Der Autor verbringt viel Zeit damit, Ihnen beizubringen, wie Sie die einfachsten Codes in Python schreiben, um Modelle für maschinelles Lernen zu erstellen. Die Scikit-learn-Bibliothek wird ab dem dritten Kapitel eingehend behandelt. Der direkte Sprung zu Scikit-learn macht es Ihnen leicht, dem Buch zu folgen. Ein weiterer Vorteil ist, dass Jupyter Notebook verwendet wird, um den Code in diesem Buch zu schreiben und zu erklären. Sie können auf die in diesem Buch verwendeten Datensätze einfach zugreifen, indem Sie sie zur Laufzeit herunterladen. Sie können auch über den Ordner Datasets in den SharePoint- und GitHub-Repositories auf sie zugreifen. Sie können auch an drei praktischen Miniprojekten arbeiten:
⬤ Spam-E-Mail-Erkennung mit Scikit-Learn.
⬤ IMDB-Filme - Sentimentale Analyse.
⬤ Bildklassifizierung mit Scikit-Learn.
Die Skripte, Graphen und Bilder in diesem Buch sind klar und bieten leicht verständliche visuelle Ergänzungen zur Textbeschreibung. Wenn Sie neu in der Datenwissenschaft sind, werden Sie dieses Buch als eine gute Option für das Selbststudium empfinden. Insgesamt können Sie sich darauf verlassen, dass dieses Buch learning by doing Ihnen hilft, Ihre Karriereziele im Bereich der Datenwissenschaft schneller zu erreichen.
Zu den behandelten Themen gehören:
⬤ Einführung in Scikit-Learn und andere Bibliotheken für maschinelles Lernen.
⬤ Einrichtung der Umgebung und Python-Crashkurs.
⬤ Datenvorverarbeitung mit Scikit-Learn.
⬤ Merkmalsauswahl mit der Python Scikit-Learn Bibliothek.
⬤ Lösen von Regressionsproblemen beim maschinellen Lernen mit der Sklearn-Bibliothek.
⬤ Lösen von Klassifizierungsproblemen beim maschinellen Lernen mit der Sklearn-Bibliothek.
⬤ Clustering von Daten mit der Scikit-Learn Bibliothek.
⬤ Dimensionalitätsreduktion mit PCA und LDA unter Verwendung von Sklearn.
⬤ Auswahl der besten Modelle mit Scikit-Learn.
⬤ Natürliche Sprachverarbeitung mit Scikit-Learn.
⬤ Bildklassifikation mit Scikit-Learn.
Klicken Sie auf die Schaltfläche JETZT KAUFEN und beginnen Sie Ihre Data Science Learning Reise.
| ISBN: | 9781734790184 |
| Autor: | |
| Verlag: | |
| Einband: | Taschenbuch |
Derzeit verfügbar, auf Lager.
