Machine learning, Python i data science. Wprowadzenie

Uczenie maszynowe często kojarzy się z wielkimi korporacjami i dużymi zespołami ekspertów. Jednak w dzisiejszych czasach można samodzielnie tworzyć zaawansowane projekty związane z tą dziedziną, korzystając z ogromnych zbiorów dostępnych danych. Wymaga to przede wszystkim pomysłu oraz podstawowej wiedzy. Mimo iż wiele publikacji na temat uczenia maszynowego i sztucznej inteligencji wymaga zaawansowanej znajomości matematyki, co czyni naukę bardziej wymagającą, zastosowanie tej wiedzy w praktyce staje się coraz częstsze w różnych badaniach i projektach biznesowych.Praktyczna książka, o której mowa, ma na celu ułatwienie wdrażania realnych rozwiązań w zakresie uczenia maszynowego. Zawiera łatwo przystępne wprowadzenie, które pokazuje, jak wykorzystywać Pythona oraz bibliotekę scikit-learn, przydatne zarówno dla naukowców, jak i analityków danych czy inżynierów tworzących aplikacje komercyjne. Autorzy ograniczyli zagadnienia matematyczne do niezbędnego minimum, skupiając się na praktycznych aspektach algorytmów uczenia maszynowego. Szczegółowo opisano różne modele dostępne w bibliotekach i ich zastosowanie.W książce znajdziesz m.in. podstawowe informacje o uczeniu maszynowym, kluczowe algorytmy tej dziedziny, techniki przetwarzania danych oraz sposoby oceny modeli i dostrajania parametrów. Dodatkowo, omówione są łańcuchy modeli, hermetyzacja procesów pracy oraz przetwarzanie danych tekstowych. Python i uczenie maszynowe: to narzędzia idealne do realizacji złożonych zadań! Powyższy opis pochodzi od wydawcy.