Aprendizaje automático para el flujo de datos con Python: Construya rápidamente soluciones prácticas de aprendizaje automático en línea utilizando River y otros marcos clave de primer nivel

Opiniones de los lectores

El libro 'Machine Learning for Streaming Data with Python', de Joos Korstanje, ofrece una completa introducción al aprendizaje automático en línea utilizando la biblioteca River. Abarca conceptos teóricos y aplicaciones prácticas para el manejo de datos en streaming, ofreciendo varios ejemplos de código que funcionan eficazmente. Mientras que algunos revisores alabaron su organización y profundidad, otros lo criticaron por carecer de contenido detallado específico sobre streaming y presentar información básica.

Contenido bien estructurado y organizado.

Proporciona conocimientos tanto teóricos como prácticos.

(basado en 9 opiniones de lectores)

Título original:

Machine Learning for Streaming Data with Python: Rapidly build practical online machine learning solutions using River and other top key frameworks

Contenido del libro:

Aplicar el aprendizaje automático a los datos de streaming con la ayuda de ejemplos prácticos, y hacer frente a los desafíos que rodean el streaming.

Características principales:

⬤ Trabajar en casos de uso de streaming que no se enseñan en la mayoría de los cursos de ciencia de datos.

⬤ Obtenga experiencia con herramientas de vanguardia para el flujo de datos.

⬤ Mitigar varios desafíos mientras se manejan datos de streaming.

Descripción del libro:

El streaming de datos es la nueva tecnología estrella a tener en cuenta en el campo de la ciencia de datos y el aprendizaje automático. A medida que las necesidades empresariales se vuelven más exigentes, muchos casos de uso requieren análisis en tiempo real, así como aprendizaje automático en tiempo real. Este libro le ayudará a ponerse al día con la analítica de datos para streaming de datos y se centrará especialmente en la adaptación del aprendizaje automático y otras analíticas al caso del streaming de datos.

En primer lugar, aprenderá sobre la arquitectura del streaming y el aprendizaje automático en tiempo real. A continuación, conocerá los marcos de trabajo más avanzados para la transmisión de datos, como River. Los capítulos posteriores se centrarán en varios casos de uso industrial de los datos de streaming, como la detección de anomalías en línea y otros. A medida que avance, descubrirá varios retos y aprenderá a mitigarlos. Además, aprenderá las mejores prácticas que le ayudarán a utilizar los datos de flujo para generar información en tiempo real.

Al final de este libro, usted habrá ganado la confianza que necesita para transmitir datos en sus modelos de aprendizaje automático.

Lo que aprenderá:

⬤ Comprender los retos y ventajas de trabajar con datos en streaming.

⬤ Desarrollar conocimientos en tiempo real a partir de datos de streaming.

⬤ Comprender la implementación de datos de flujo con varios casos de uso para impulsar su conocimiento.

⬤ Desarrollar una alternativa PCA que pueda trabajar con datos en tiempo real.

⬤ Explorar las mejores prácticas para el manejo de datos de streaming que es absolutamente necesario recordar.

⬤ Desarrollar una API para la inferencia de aprendizaje automático en tiempo real.

Para quién es este libro:

Este libro está dirigido a científicos de datos e ingenieros de aprendizaje automático que tengan formación en aprendizaje automático, estén orientados a la práctica y a la tecnología, y quieran aprender a aplicar el aprendizaje automático a los datos de streaming mediante ejemplos prácticos con tecnologías modernas. Aunque es imprescindible comprender conceptos básicos de Python y aprendizaje automático, no se requieren conocimientos previos de streaming.