Представлено Tableau як першу з «7 книг про машинне навчання для початківців».

Готові розгорнути екземпляр віртуального графічного процесора та знищити петабайти даних? Хочете додати «Машинне навчання» до свого профілю LinkedIn?

Що ж, зачекайте...

Перш ніж вирушити у свою епічну подорож, є кілька теорій високого рівня та спочатку ознайомтеся зі статистичними принципами. Але замість того, щоб витрачати 30-50 доларів США на щільний довгий підручник, ви можете спочатку прочитати цю книгу. Будучи чіткою та короткою альтернативою підручнику, ця книга містить практичний і високорівневий вступ до машинного навчання.

Машинне навчання для абсолютних початківців. Друге видання було написано та розроблено для абсолютних початківців. Це означає зрозумілі пояснення англійською мовою та відсутність досвіду програмування. Там, де представлено основні алгоритми, додано чіткі пояснення та візуальні приклади, щоб полегшити та зацікавити їхнє виконання вдома.

Нове оновлене виданняЦе велике нове видання містить багато тем, які не розглядалися в Першому виданні, зокрема Cross Перевірка, ансамблеве моделювання, пошук у сітці, розробка функцій і кодування за одним кроком. Зауважте, що ця книга не є продовженням Першого видання, а скоріше перебудованою та оновленою версією Першого видання. Читачі Першого видання не повинні відчувати себе зобов’язаними купувати це Друге видання.

Відмова від відповідальності: якщо ви пройшли етап «початківця» у своєму вивченні машинного навчання та готові братися за програмування та глибоке навчання, ви було б добре обслуговувати довгоформатний підручник. Однак якщо ви ще не досягли того моменту Короля Лева — як дорослий Сімба, який дивиться на Прайдові землі Африки, — тоді ця книга обережно підніме вас і запропонує вам чітке уявлення про землю. У цьому кроці -Покроковий посібник, який ви дізнаєтесь:• Як завантажити безкоштовні набори даних• Які інструменти та бібліотеки машинного навчання вам потрібні• Техніки очищення даних, зокрема кодування за одним кроком, групування та робота з відсутніми даними• Підготовка даних для аналізу, включаючи k- Fold Validation• Регресійний аналіз для створення ліній тренду• Кластеризація, включаючи кластеризацію k-середніх, для пошуку нових зв’язків• Основи нейронних мереж• Зміщення/дисперсія для покращення моделі машинного навчання• Дерева рішень для декодування класифікації• Як створити свій перший Модель машинного навчання для прогнозування вартості будинків за допомогою PythonЧасті запитання: Чи потрібен мені досвід програмування, щоб прочитати цю електронну книгу? В: Ця електронна книга розроблена для абсолютних початківців, тому досвід програмування не потрібен. Однак у двох наступних розділах представлено Python, щоб продемонструвати реальну модель машинного навчання, тому ви побачите мову програмування, яка використовується в цій книзі.

П: Я вже придбав перше видання Machine Learning для абсолютних початківців. , чи варто мені купувати це друге видання? В: Оскільки багато тем із першого видання розглядаються у другому виданні, можливо, вам буде краще прочитати більш розширений заголовок про машинне навчання.

П: чи ця книга містить усе, що мені потрібно, щоб стати експертом з машинного навчання? В: На жаль, ні. Ця книга призначена для читачів, які роблять перші кроки в машинному навчанні, і для оволодіння машинним навчанням знадобиться подальше навчання, окрім цієї книги.

Будь ласка, приєднайтеся до цього вступного курсу, купивши примірник або надіславши безкоштовний зразок на вибраний пристрій.