Данная книга адресована действующим и начинающим специалистам по машинному обучению, решающим реальные задачи. Эта книга является вводной и не требует предварительных знаний в области машинного обучения или искусственного интеллекта. Мы сосредоточимся на использовании языка Python и библиотеки scikit-learn, рассмотрим все этапы создания успешного проекта по машинному обучению. Методы, которые мы затронем, пригодятся ученым и исследователям, а также специалистам по анализу данных, работающим в различных коммерческих сферах. Вы получите максимальную отдачу от книги, если хотя бы немного знакомы с языком Python и библиотеками NumPy и matplotlib.
Мы приложили сознательные усилия, направленные на то, чтобы вместо изложения математических подробностей сосредоточиться в большей степени на практических аспектах использования алгоритмов машинного обучения. Поскольку математика (в частности, теория вероятностей) является той основой, на которой строится машинное обучение, мы не будем детально вдаваться в подробности алгоритмов. Если вас интересует математический аппарат алгоритмов машинного обучения, мы рекомендуем книгу издательства Springer The Elements of Statistical Learning за авторством Тревора Хасти, Роберта Тибширани и Джерома Фридмана, которая свободно доступна на сайте авторов. Кроме того, мы не будем рассказывать о том, как написать тот или иной алгоритм машинного обучения с нуля, и вместо этого сосредоточимся на 8 применении большого спектра моделей, уже реализованных в библиотеке scikit-learn и других библиотеках.
Если вам понравилась эта книга поделитесь ею с друзьями, тем самым вы помогаете нам развиваться и добавлять всё больше интересных и нужным вам книг! |
|---|