Машинне навчання та наука про дані зараз дуже популярні та швидко змінюються. Я працював з Python і даними протягом більшої частини своєї кар’єри і хотів мати фізичну книгу, яка могла б надати довідку про загальні методи, які я використовував у промисловості та викладав під час семінарів для вирішення проблем структурованого машинного навчання. Ця книга є те, що Я вважаю, що це найкраща колекція ресурсів і прикладів для атаки на завдання прогнозного моделювання, якщо у вас є структуровані дані. Є багато бібліотек, які виконують частину необхідних завдань, і я намагався включити ті, які вважав корисними, оскільки застосовував ці методи в консалтинговій чи промисловій роботі. Багато хто може нарікати на відсутність методів глибокого навчання. Це може бути окрема книга. Я також віддаю перевагу простішим технікам, і інші працівники галузі, здається, погоджуються. Глибоке навчання для неструктурованих даних (відео, аудіо, зображень) і потужні інструменти, такі як XGBoost для структурованих даних. Сподіваюся, ця книга стане для вас корисним довідником для вирішення нагальних проблем.