Python w uczeniu maszynowym. Podejście sterowane testami

Matthew Kirk przedstawia praktyczny przewodnik, który umożliwia efektywne stosowanie uczenia maszynowego w codziennych zadaniach programistycznych. Bez wnikania w zawiłości teorii akademickiej, autor skupia się na praktycznych aspektach integracji i testowania algorytmów uczenia maszynowego w kodzie. Książka koncentruje się na wykorzystaniu bibliotek takich jak NumPy, Pandas, Scikit-Learn i SciPy w języku Python, oferując rozbudowane przykłady kodu i wizualizacje, które ułatwiają zrozumienie.Dzięki przystępnemu podejściu książka służy zarówno programistom, jak i analitykom biznesowym, którzy chcą pogłębić swoje umiejętności w zakresie analizy danych. Składa się z szeregu angażujących ćwiczeń praktycznych, które demonstrują testowanie algorytmów na przykładach z rzeczywistego świata. Czytelnicy nauczą się także, jak stosować programowanie sterowane testami, by pisać i uruchamiać testy jeszcze przed rozpoczęciem kodowania.Kirk nie pomija również aspektów związanych z optymalizacją modeli uczenia maszynowego, koncentrując się na ekstrakcji danych i tworzeniu funkcjonalności. Oferuje wskazówki dotyczące unikania potencjalnych pułapek, takich jak problemy z dopasowaniem danych. Dodatkowo, omawia szeroki wachlarz technologii, w tym algorytm K najbliższych sąsiadów, sieci neuronowe oraz klastrowanie.Mieszkający w Seattle Kirk, który poza pisaniem książek jest także konsultantem i międzynarodowym prelegentem, dzieli się swoim doświadczeniem w integracji analizy danych z językami programowania Ruby i Python. Jego celem jest inspirowanie i wspieranie innych programistów w efektywnym wykorzystaniu danych w ich projektach.