Машинное обучение и наука о данных сейчас очень популярны и быстро развиваются. Большую часть своей карьеры я работал с Python и данными, и мне хотелось иметь бумажную книгу, в которой можно было бы найти справочник по распространённым методам, которые я использую в промышленности и преподаю на семинарах для решения проблем структурированного машинного обучения. Я считаю, что это лучший сборник ресурсов и примеров для решения задачи прогнозного моделирования, если у вас есть структурированные данные. Существует множество библиотек, которые выполняют часть требуемых задач, и я постарался включить те из них, которые нашел полезными, применяя эти методы в консалтинге или отраслевой работе. Многие могут сетовать на отсутствие методов глубокого обучения. Это могла бы быть отдельная книга. Я также предпочитаю более простые методы, и другие представители отрасли, похоже, с этим согласны. Глубокое обучение для неструктурированных данных (видео, аудио, изображения) и мощные инструменты, такие как XGBoost, для структурированных данных. Надеюсь, эта книга послужит вам полезным справочником для решения насущных проблем.