Leserbewertungen
Derzeit gibt es keine Leserbewertungen. Die Bewertung basiert auf 2 Stimmen.
Originaltitel:
Supervised Learning with Python: Concepts and Practical Implementation Using Python
Inhalt des Buches:
Gewinnen Sie ein gründliches Verständnis von Algorithmen des überwachten Lernens, indem Sie Anwendungsfälle mit Python entwickeln. Sie werden Konzepte des überwachten Lernens, Python-Code, Datensätze, Best Practices, die Lösung gängiger Probleme und Fallstricke sowie praktisches Wissen über die Implementierung von Algorithmen für strukturierte sowie Text- und Bilddatensätze lernen.
Sie beginnen mit einer Einführung in das maschinelle Lernen, wobei die Unterschiede zwischen überwachtem, halbüberwachtem und unüberwachtem Lernen hervorgehoben werden. In den folgenden Kapiteln werden Sie Regressions- und Klassifikationsprobleme, die Mathematik dahinter, Algorithmen wie lineare Regression, logistische Regression, Entscheidungsbaum, KNN, Nave Bayes und fortgeschrittene Algorithmen wie Random Forest, SVM, Gradient Boosting und neuronale Netze studieren. Für alle Algorithmen wird eine Python-Implementierung bereitgestellt. Abschließend wird ein durchgängiger Modellentwicklungsprozess einschließlich der Bereitstellung und Wartung des Modells vorgestellt.
Nach der Lektüre von Supervised Learning with Python verfügen Sie über ein umfassendes Verständnis des überwachten Lernens und seiner praktischen Umsetzung und sind in der Lage, den Code auszuführen und ihn auf innovative Weise zu erweitern.
Was Sie lernen werden
⬤ Wiederholen Sie die grundlegenden Bausteine und Konzepte des überwachten Lernens mit Python.
⬤ Entwicklung von Lösungen für das überwachte Lernen für strukturierte Daten sowie für Text und Bilder.
⬤ Lösung von Problemen im Zusammenhang mit Überanpassung, Feature-Engineering, Datenbereinigung und Kreuzvalidierung zur Erstellung von Best-Fit-Modellen.
⬤ Verstehen Sie den gesamten Modellzyklus von der Definition des Geschäftsproblems bis zur Modellbereitstellung und Modellpflege.
⬤ Vermeiden Sie die üblichen Fallstricke und halten Sie sich an die besten Praktiken bei der Erstellung eines Modells für überwachtes Lernen mit Python.
Für wen ist dieses Buch gedacht?
Datenwissenschaftler oder Datenanalysten, die sich für Best Practices und Standards für überwachtes Lernen und die Verwendung von Klassifizierungsalgorithmen und Regressionstechniken zur Entwicklung von Vorhersagemodellen interessieren.
Weitere Daten des Buches:
| ISBN: | 9781484261552 |
| Autor: | |
| Verlag: | |
| Sprache: | Englisch |
| Einband: | Taschenbuch |
Kauf:
Derzeit verfügbar, auf Lager.
