Uczenie maszynowe kojarzy się z sporymi firmami i rozbudowanymi zespołami. Prawda jest taka,obecnie można samodzielnie stwarzać nowoczesne rozwiązania uczenia maszynowego i korzystać do woli z olbrzymich zasobów przystępnych danych.
Trzeba tylko posiadać pomysł i... Trochę podstawowej wiedzy. Tymczasem większość opracowań na temat uczenia maszynowego i sztucznej inteligencji wymaga biegłości w innowacyjnej matematyce. Utrudnia to naukę tego zagadnienia, mimo iż uczenie maszynowe jest coraz powszechniej wykorzystywane w projektach badawczych i komercyjnych.
Ta praktyczna książka ułatwi Ci rozpoczęcie wdrażania rozwiązań rzeczywistych problemów związanych z uczeniem maszynowym. Mieści dostępne wprowadzenie do uczenia maszynowego i nienaturalnej inteligencji i sposoby zastosowania Pythona i biblioteki scikit-learn, uwzględniające zapotrzebowania badaczy i analityków i inżynierów pracujących nad aplikacjami komercyjnymi.
Zagadnienia matematyczne ograniczono tu do potrzebnego minimum, zamiast tego skoncentrowano się na ergonomicznych aspektach algorytmów uczenia maszynowego. Dokładnie opisano, jak mocno można skorzystać z szerokiej gamy modeli zastosowanych w dostępnych bibliotekach.
W książce pomiędzy innymi: podstawowe informacje o uczeniu maszynowym najważniejsze algorytmy uczenia maszynowego przetwarzanie informacji w uczeniu maszynowym ocena modelu i dostrajanie parametrów łańcuchy modeli i hermetyzacja przepływu pracy przetwarzanie danych tekstowych Python i uczenie maszynowe: programowanie do zadań specjalnych!
Powyższy opis pochodzi od wydawcy.