Opiniones de los lectores
Resumen:El libro sirve como una útil introducción al aprendizaje automático, centrándose en la implementación práctica utilizando Python y la biblioteca scikit-learn. Está orientado a principiantes y científicos de datos noveles que quieran aprender sobre varios algoritmos y sus aplicaciones. Sin embargo, el libro ha sido criticado por su organización y profundidad.
Ventajas:⬤ Excelente para principiantes sin formación matemática.
⬤ Proporciona ejemplos prácticos y aplicaciones de la vida real.
⬤ Se centra en la biblioteca scikit-learn ampliamente utilizada.
⬤ Cubre algoritmos de aprendizaje supervisado y no supervisado.
⬤ Ofrece explicaciones claras que ayudan a entender conceptos complejos.
⬤ Adecuado para científicos de datos que buscan mejorar sus habilidades.
⬤ La organización del contenido es algo confusa, con algunos temas importantes colocados fuera de orden.
⬤ Falta profundidad en ciertas áreas
⬤ Se omiten algunos conceptos y algoritmos importantes.
⬤ No hay glosario para una búsqueda rápida de términos
⬤ se basa en un índice en su lugar.
⬤ Da la impresión de que lo cubre todo, pero no llega a dominar totalmente el tema.
(basado en 4 opiniones de lectores)
Título original:
Hands-On Machine Learning with scikit-learn and Scientific Python Toolkits: A practical guide to implementing supervised and unsupervised machine lear
Contenido del libro:
Integre scikit-learn con varias herramientas como NumPy, pandas, imbalanced-learn y scikit-surprise y utilícelo para resolver problemas de aprendizaje automático del mundo real.
Características principales
⬤ Descubra el aprendizaje automático con esta guía completa de scikit-learn y Python científico.
⬤ Master the art of data-driven problem-solving with hands-on examples.
⬤ Fomente su conocimiento teórico y práctico de algoritmos de aprendizaje automático supervisados y no supervisados.
Descripción del libro
El aprendizaje automático se aplica en todas partes, desde los negocios hasta la investigación y el mundo académico, mientras que scikit-learn es una biblioteca versátil y popular entre los profesionales del aprendizaje automático. Este libro sirve como guía práctica para cualquiera que busque proporcionar soluciones prácticas de aprendizaje automático con scikit-learn y los conjuntos de herramientas de Python.
El libro comienza con una explicación de los conceptos y fundamentos del aprendizaje automático, y establece un equilibrio entre los conceptos teóricos y sus aplicaciones. Cada capítulo cubre un conjunto diferente de algoritmos y muestra cómo utilizarlos para resolver problemas de la vida real. También aprenderá sobre varios algoritmos clave de aprendizaje automático supervisado y no supervisado mediante ejemplos prácticos. Tanto si se trata de un algoritmo de aprendizaje basado en instancias, una estimación bayesiana, una red neuronal profunda, un conjunto basado en árboles o un sistema de recomendación, conocerá a fondo su teoría y aprenderá cuándo aplicarlo. A medida que avance, aprenderá a tratar con datos no etiquetados y cuándo utilizar diferentes algoritmos de agrupación y detección de anomalías.
Al final de este libro de aprendizaje automático, habrá aprendido a adoptar un enfoque basado en datos para proporcionar soluciones integrales de aprendizaje automático. También habrá descubierto cómo formular el problema en cuestión, preparar los datos necesarios y evaluar y desplegar modelos en producción.
Lo que aprenderá
⬤ Entender cuándo utilizar algoritmos de aprendizaje supervisado, no supervisado o de refuerzo.
⬤ Descubrir cómo recopilar y preparar los datos para las tareas de aprendizaje automático.
⬤ Abordar datos desequilibrados y optimizar su algoritmo para una compensación de sesgo o varianza.
⬤ Aplicar algoritmos supervisados y no supervisados para superar diversos retos de aprendizaje automático.
⬤ Emplear las mejores prácticas para ajustar los hiperparámetros de su algoritmo.
⬤ Descubrir cómo utilizar las redes neuronales para la clasificación y regresión.
⬤ Construir, evaluar y desplegar sus soluciones de aprendizaje automático a la producción.
A quién va dirigido este libro
Este libro es para científicos de datos, practicantes de aprendizaje automático y cualquier persona que quiera aprender cómo funcionan los algoritmos de aprendizaje automático y construir diferentes modelos de aprendizaje automático utilizando el ecosistema Python. El libro le ayudará a llevar su conocimiento del aprendizaje automático al siguiente nivel, comprendiendo sus entresijos y adaptándolo a sus necesidades. Se requieren conocimientos prácticos de Python y una comprensión básica de los conceptos matemáticos y estadísticos subyacentes.
