Книга содержит около 200 задач машинного обучения, таких как загрузка и обработка текстовых или числовых данных, отбор модели и многие другие. Рассмотрена работа с языком Python, библиотеками pandas и scikit-learn. Коды примеров можно вставлять, объединять и адаптировать, создавая собственное приложение. Приведены рецепты решений с использованием: векторов, матриц и массивов; данных из CSV, JSON, SQL, баз данных, облачных хранилищ и других источников; обработки данных, текста, изображений, дат и времени; умень-шения размерности и методов выделения или отбора признаков; оценивания и отбора моделей; линейной и логистической регрессии, деревьев, лесов и k ближайших соседей; опорно-векторных машин (SVM), наивных байесовых классификаторов, кластеризации и нейронных сетей; сохранения и загрузки натренированных моделей.
 

 Во втором издании все примеры обновлены, рассмотрены задачи и фреймворки глубокого обучения, расширены разделы с тензорами, нейронными сетями и библиотекой глубокого обучения PyTorch.

 Для разработчиков систем машинного обучения

В книге Вы найдете рецепты для:

• векторов, матриц и массивов;
• работы с данными из CSV, JSON, SQL, базами данных, облачными хранилищами и другими источниками;
• обработки числовых и категориальных данных, текста, изображений, дат и времени;
• уменьшения размерности с использованием методов выделения или отбора признаков;
• оценивания и отбора моделей;
• сохранения и загрузки натренированных моделей.

Научитесь решать задачи с использованием:

• линейной и логистической регрессии, деревьев, лесов и k ближайших соседей;
• опорно-векторных машин (SVM), наивных байесовых классификаторов, кластеризации и нейронных сетей.

Для кого предназначена книга

 Данная книга не является введением в машинное (само)обучение. Если вы не чувствуете себя уверенно в области основных понятий машинного обучения либо никогда не проводили время за изучением машинного обучения, то не покупайте эту книгу. Она предназначена для практикующих специалистов машинного обучения, которые, чувствуя себя комфортно с теорией и понятиями машинного обучения, извлекут пользу из краткого справочника, содержащего программный код для решения задач, с которыми они сталкиваются, работая ежедневно с машинным обучением.

Для кого не предназначена книга

 Данная книга не должна быть вашим первым изданием по этой теме. Если вы незнакомы с такими понятиями, как перекрестная проверка, случайный лес и градиентный спуск, то вы, вероятно, не извлечете из этой книги такой же пользы, которую можно получить от одного из многих высококачественных текстов, специально предназначенных для ознакомления с этой темой. Я рекомендую прочитать одну из таких книг, а затем вернуться к этой книге, чтобы узнать рабочие, практические решения для задач машинного обучения.