Aprendizaje profundo con datos estructurados

Opiniones de los lectores

El libro está orientado a principiantes en aprendizaje automático y cubre temas esenciales como la limpieza de datos y el manejo de conjuntos de datos del mundo real. Sin embargo, se queda corto para quienes ya estén familiarizados con el aprendizaje automático y deseen profundizar en el aprendizaje profundo, ya que sólo dedica dos capítulos al aprendizaje profundo y carece de complejidad en sus discusiones.

⬤ Adecuado para principiantes en aprendizaje automático
⬤ cobertura exhaustiva de la limpieza de datos y los retos que plantean los conjuntos de datos del mundo real
⬤ ejemplos prácticos de despliegue de modelos y manejo de datos desequilibrados.

⬤ Insuficiente profundidad en los temas de aprendizaje profundo
⬤ limitado a dos capítulos para el aprendizaje profundo
⬤ utiliza conjuntos de datos más simples (por ejemplo, MNIST) que pueden no alinearse con el título del libro
⬤ rendimiento anticlimático de los modelos de aprendizaje profundo en comparación con los modelos tradicionales como XGBoost.

(basado en 3 opiniones de lectores)

Título original:

Deep Learning with Structured Data

Contenido del libro:

Deep Learning with Structured Data te enseña potentes técnicas de análisis de datos para datos tabulares y bases de datos relacionales.

Resumen

El aprendizaje profundo ofrece el potencial de identificar patrones complejos y relaciones ocultas en datos de todo tipo. Deep Learning with Structured Data le muestra cómo aplicar potentes técnicas de análisis de aprendizaje profundo al tipo de datos estructurados y tabulares que encontrará en las bases de datos relacionales de las que dependen las empresas del mundo real. Lleno de aplicaciones prácticas y relevantes, este libro le enseña cómo el aprendizaje profundo puede aumentar sus sistemas existentes de aprendizaje automático e inteligencia empresarial.

La compra del libro impreso incluye un libro electrónico gratuito en formatos PDF, Kindle y ePub de Manning Publications.

Acerca de la tecnología

He aquí un sucio secreto: la mitad del tiempo en la mayoría de los proyectos de ciencia de datos se gasta en limpiar y preparar los datos. Pero hay una forma mejor: Las técnicas de aprendizaje profundo optimizadas para datos tabulares y bases de datos relacionales proporcionan información y análisis sin necesidad de una intensa ingeniería de funciones. Aprenda a desbloquear el rendimiento del aprendizaje profundo con mucho menos filtrado, validación y depuración de datos.

Acerca del libro

Deep Learning with Structured Data le enseña potentes técnicas de análisis de datos para datos tabulares y bases de datos relacionales. Empiece utilizando un conjunto de datos basado en el sistema de tránsito de Toronto. A medida que avance en el libro, aprenderá lo fácil que es configurar datos tabulares para el aprendizaje profundo, a la vez que resuelve problemas de producción cruciales como la implementación y la supervisión del rendimiento.

Contenido

Cuándo y dónde utilizar el aprendizaje profundo.

La arquitectura de un modelo de aprendizaje profundo Keras.

Entrenamiento, despliegue y mantenimiento de modelos.

Medición del rendimiento.

Acerca del lector

Para lectores con conocimientos intermedios de Python y aprendizaje automático.

Sobre el autor

Mark Ryan es Director de Ciencia de Datos en Intact Insurance. Tiene un máster en Informática por la Universidad de Toronto.

Tabla de contenidos

1 ¿Por qué aprendizaje profundo con datos estructurados?

2 Introducción al problema de ejemplo y a los dataframes de Pandas.

3 Preparación de los datos, parte 1: Exploración y limpieza de los datos.

4 Preparación de los datos, parte 2: Transformación de los datos.

5 Preparación y construcción del modelo.

6 Entrenamiento del modelo y ejecución de experimentos.

7 Más experimentos con el modelo entrenado.

8 Despliegue del modelo.

9 Próximos pasos recomendados.