В этой книге рассматривается машинное обучение — одна из самых актуальных тем последних лет. Поскольку вычислительная мощность растет в геометрической прогрессии, а цены одновременно снижаются, лучшего времени для машинного обучения не найти. Благодаря машинному обучению задачи, обычно требующие огромной вычислительной мощности, теперь можно выполнять на настольных компьютерах. Тем не менее, машинное обучение не для слабонервных — оно требует хороших знаний в области статистики, а также знаний в области программирования. Большинство книг, представленных на рынке, либо слишком поверхностны, либо уходят в слишком большую глубину, что часто заставляет начинающих читателей задыхаться. В этой книге будет использован мягкий подход к этой теме. Во-первых, он будет охватывать некоторые фундаментальные библиотеки, используемые в Python, которые делают возможным машинное обучение. В частности, вы узнаете, как манипулировать массивами чисел с помощью библиотеки NumPy, а затем использовать библиотеку Pandas для работы с табличными данными. После этого вы узнаете, как манипулировать массивами чисел с помощью библиотеки NumPy, а затем использовать библиотеку Pandas для работы с табличными данными. Готово, вы научитесь визуализировать данные с помощью библиотеки matplotlib, которая позволяет строить различные типы диаграмм и графиков, чтобы вы могли легко визуализировать свои данные. Как только у вас будет прочная основа в основах, я расскажу о машине обучение с использованием Python и библиотек Scikit-Learn. Это даст вам четкое представление о том, как «за кулисами» работают различные алгоритмы машинного обучения. В этой книге я рассмотрю распространенные алгоритмы машинного обучения, такие как регрессия, кластеризация и классификация. Эта книга также содержит глава, в которой вы узнаете, как выполнять машинное обучение с помощью Microsoft Azure Machine Learning Studio, которая позволяет разработчикам начинать создавать модели машинного обучения с помощью перетаскивания без необходимости написания кода. И самое главное, не требуя глубоких знаний машинного обучения. Наконец, я расскажу, как можно развернуть построенные вами модели, чтобы их можно было использовать клиентскими приложениями, работающими на мобильных и настольных устройствах. Это мое ключевое намерение. сделать эту книгу доступной как можно большему числу разработчиков. Чтобы получить максимальную пользу от этой книги, вы должны иметь базовые знания программирования на Python и базовое понимание основ статистики. И точно так же, как вы никогда не сможете научиться плавать, просто прочитав книгу, я настоятельно рекомендую вам вы пробуете пример кода, просматривая главы. Измените код и посмотрите, как варьируется результат, и очень часто вы будете удивлены тем, что вы можете сделать. Все примеры кода в этой книге доступны в виде блокнотов Jupyter (их можно загрузить со страницы поддержки Wiley для этой книги). книга, www.wiley.com/go/leepythonmachinelearning). Так что вы можете просто загрузить их и немедленно опробовать. Без дальнейших задержек, добро пожаловать в машинное обучение Python!