Предисловие 11
Вступление 13
Благодарности 15
О книге 17
Об авторе 21
Глава 1. Что такое машинное обучение? Это здравый смысл, проявляемый компьютером 22
Глава 2. Типы машинного обучения 38
Глава 3. Прямая вплотную к точкам. Линейная регрессия 60
Глава 4. Оптимизация процесса обучения. Недообучение, переобучение, тестирование и регуляризация 103
Глава 5. Использование прямых для разделения точек. Алгоритм персептрона 131
Глава 6. Непрерывный подход к разделению точек. Логистические классификаторы 176
Глава 7. Как оценивать классификационные модели? Достоверность и ее друзья 208
Глава 8. Как использовать вероятность по максимуму. Наивная байесовская модель 239
Глава 9. Разбиение данных согласно ответам на вопросы. Деревья решений 267
Глава 10. Комбинирование ради усиления. Нейронные сети 312
Глава 11. Нахождение границ со стилем. Машины опорных векторов и метод ядра 352
Глава 12. Комбинирование моделей для достижения максимальных результатов. Ансамблевое обучение 390
Глава 13. Применение изученного на практике. Реальный пример разработки данных и машинного обучения 425
Приложение А. Решения к упражнениям 450
Приложение Б. Математика, лежащая в основе градиентного спуска. Спуск с горы с использованием производных и склонов 486
Приложение В. Ссылки 505

 Машинное обучение — это набор методов анализа данных, основанных на алгоритмах, которые дают все более точные результаты по мере поступления новых данных. Машинное обучение лежит в основе систем рекомендаций, программ распознавания лиц, «умных» колонок и даже беспилотных автомобилей. Эта уникальная книга объясняет основные понятия машинного обучения на простых и доступных примерах, увлекательных упражнениях и запоминающихся иллюстрациях.

 Здесь нет зубодробительного академического жаргона, для понимания объяснений достаточно знаний основ алгебры. По мере чтения вы будете создавать модели для идентификации спама, и распознавания изображений и другие интересные проекты на языке Python.

 Откройте для себя мощные методы машинного обучения, для понимания и применения которых достаточно знаний математики на уровне средней школы!

 Для читателей, знающих основы языка Python. Знаний в области машинного обучения не требуется.