Bookcamp de ingeniería de funciones

Opiniones de los lectores

El libro reseñado, «Feature Engineering Bookcamp», ha sido muy elogiado por su enfoque práctico de la ingeniería de características, que ofrece estudios de casos reales y una guía accesible ideal tanto para principiantes como para profesionales experimentados en ML. Si bien se considera un recurso esencial para comprender la ingeniería de características, algunos revisores señalaron áreas de mejora, en particular en términos de eficiencia y metodologías de prueba.

⬤ Excelentes estudios de casos en diversos ámbitos.
⬤ Enfoque práctico en la implementación más que en la teoría.
⬤ Lenguaje claro y conciso.
⬤ Referencia oportuna para el aprendizaje automático centrado en datos.
⬤ Cobertura exhaustiva de los conceptos de ingeniería de características.
⬤ Discusión en profundidad de la detección y mitigación de sesgos.
⬤ Introducción a los almacenes de características para ML.
⬤ Incluye código suplementario en GitHub.
⬤ Acceso a LiveBook con copia física.

⬤ Podría beneficiarse de una mejor estructuración de los capítulos para una mayor eficiencia a la hora de probar múltiples pipelines de ingeniería de características.
⬤ Falta de exploración de frameworks auto-ML para implementar técnicas.
⬤ Algunos críticos desearían haber tenido acceso a este libro antes en sus carreras.

(basado en 5 opiniones de lectores)

Título original:

Feature Engineering Bookcamp

Contenido del libro:

Consiga enormes mejoras en sus procesos de aprendizaje automático sin pasar horas ajustando parámetros. Los estudios de casos prácticos de este libro revelan técnicas de ingeniería de características que mejoran la gestión de datos y los resultados de ML.

En Feature Engineering Bookcamp aprenderá a:

Identificar e implementar transformaciones de características para sus datos.

Construir potentes pipelines de machine learning con datos no estructurados como texto e imágenes.

Cuantificar y minimizar el sesgo en los pipelines de machine learning a nivel de datos.

Utilizar almacenes de características para construir canalizaciones de ingeniería de características en tiempo real.

Mejorar los procesos de aprendizaje automático existentes manipulando los datos de entrada.

Utilizar modelos de aprendizaje profundo de última generación para extraer patrones ocultos en los datos.

Feature Engineering Bookcamp le guiará a través de una colección de proyectos que le permitirán practicar las principales técnicas de ingeniería de funciones. Trabajará con prácticas de ingeniería de características que aceleran el tiempo que se tarda en procesar los datos y proporcionan mejoras reales en el rendimiento de su modelo. Este libro de utilidad instantánea se salta la teoría matemática abstracta y las fórmulas minuciosamente detalladas; en su lugar, aprenderá a través de interesantes casos prácticos basados en código, como la clasificación de tweets, la detección de COVID, la predicción de reincidencia, la detección de movimientos en el precio de las acciones y mucho más.

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

Acerca de la tecnología.

Obtenga mejores resultados de las cadenas de aprendizaje automático mejorando sus datos de entrenamiento. Utilice la ingeniería de características, una técnica de aprendizaje automático para diseñar variables de entrada relevantes basadas en los datos existentes, para simplificar el entrenamiento y mejorar el rendimiento del modelo. Mientras que el ajuste fino de los hiperparámetros o la modificación de los modelos pueden proporcionarle un pequeño aumento del rendimiento, la ingeniería de características ofrece mejoras espectaculares al transformar su canal de datos.

Acerca del libro.

Feature Engineering Bookcamp le guía a través de seis proyectos prácticos en los que aprenderá a mejorar sus datos de formación utilizando la ingeniería de características. Cada capítulo explora un nuevo caso práctico basado en código, extraído de sectores del mundo real como las finanzas y la sanidad. Practicará la limpieza y transformación de datos, la mitigación de sesgos y mucho más. El libro está repleto de consejos para mejorar el rendimiento en los principales subdominios de ML, desde el procesamiento del lenguaje natural hasta el análisis de series temporales.

Contenido.

Identifique e implemente transformaciones de características.

Construya cadenas de aprendizaje automático con datos no estructurados.

Cuantificar y minimizar el sesgo en los procesos de ML.

Utilizar almacenes de características para crear cadenas de ingeniería de características en tiempo real.

Mejorar las canalizaciones existentes manipulando los datos de entrada.

Acerca del lector.

Para ingenieros experimentados en aprendizaje automático familiarizados con Python.

Sobre el autor.

Sinan Ozdemir es el fundador y director de tecnología de Shiba, ex profesor de Ciencia de Datos en la Universidad Johns Hopkins y autor de varios libros de texto sobre ciencia de datos y aprendizaje automático.

Tabla de contenidos.

1 Introducción a la ingeniería de características.

2 Fundamentos de la ingeniería de características.

3 Asistencia sanitaria: Diagnóstico de COVID-19.

4 Sesgo y equidad: Modelización de la reincidencia.

5 Procesamiento del lenguaje natural: Clasificación del sentimiento en las redes sociales.

6 Visión por computador: Reconocimiento de objetos.

7 Análisis de series temporales: Day trading con aprendizaje automático.

8 Almacenes de características.

9 Puesta en común.