Opiniones de los lectores
Resumen:El libro es un recurso práctico para los interesados en el aprendizaje automático, en particular con Python. Proporciona una introducción accesible a varios conceptos de aprendizaje automático, centrándose en ejemplos prácticos e implementaciones de código. Sin embargo, ha sido criticado por la cobertura superficial de las teorías matemáticas y algunos errores de codificación. Aunque es un buen complemento para textos más teóricos, puede no ser suficiente para principiantes completos en aprendizaje automático o Python.
Ventajas:⬤ Enfoque práctico con ejemplos paso a paso
⬤ cubre librerías populares de Python
⬤ segmentos de código bien explicados
⬤ bueno para aquellos con algún conocimiento previo de ML
⬤ incluye aplicaciones del mundo real
⬤ estilo de escritura agradable
⬤ proporciona mejores prácticas útiles.
⬤ Ligero en teoría y profundidad matemática
⬤ algunos ejemplos de código tienen errores
⬤ puede no ser adecuado para principiantes completos en ML o Python
⬤ problemas de composición tipográfica reportados
⬤ algunas explicaciones carecen de contexto
⬤ datos y requisitos obsoletos.
(basado en 20 opiniones de lectores)
Título original:
Python Machine Learning by Example - Third Edition: Build intelligent systems using Python, TensorFlow 2, PyTorch, and scikit-learn
Contenido del libro:
Una guía completa para ponerse al día con los últimos avances del aprendizaje automático práctico con Python y actualizar su comprensión de los algoritmos y técnicas de aprendizaje automático (ML).
Características principales
⬤ Sumérjase en los algoritmos de aprendizaje automático para resolver los complejos desafíos a los que se enfrentan los científicos de datos en la actualidad.
⬤ Explore el contenido de vanguardia que refleja los desarrollos de aprendizaje profundo y aprendizaje de refuerzo.
⬤ Utilice bibliotecas de Python actualizadas como TensorFlow, PyTorch y scikit-learn para seguir proyectos de aprendizaje automático de principio a fin.
Descripción del libro
Python Machine Learning By Example, Third Edition sirve como una puerta de entrada completa al mundo del aprendizaje automático (ML).
Con seis nuevos capítulos, sobre temas que incluyen el desarrollo de motores de recomendación de películas con Na ve Bayes, el reconocimiento de caras con máquinas de vectores soporte, la predicción del precio de las acciones con redes neuronales artificiales, la categorización de imágenes de ropa con redes neuronales convolucionales, la predicción con secuencias mediante redes neuronales recurrentes y el aprovechamiento del aprendizaje por refuerzo para la toma de decisiones, el libro se ha actualizado considerablemente para adaptarse a los últimos requisitos empresariales.
Al mismo tiempo, este libro proporciona información práctica sobre los fundamentos clave del ML con programación en Python. Hayden aplica su experiencia para demostrar implementaciones de algoritmos en Python, tanto desde cero como con bibliotecas.
Cada capítulo recorre una aplicación adoptada por la industria. Con la ayuda de ejemplos realistas, comprenderá la mecánica de las técnicas de ML en áreas como el análisis exploratorio de datos, la ingeniería de características, la clasificación, la regresión, la agrupación y la PNL.
Al final de este libro ML Python, usted habrá adquirido una amplia visión del ecosistema de ML y estará bien versado en las mejores prácticas de aplicación de técnicas de ML para resolver problemas.
Lo que aprenderá
⬤ Comprender los conceptos importantes en ML y ciencia de datos.
⬤ Utilizar Python para explorar el mundo de la minería de datos y análisis.
⬤ Escalar el entrenamiento de modelos utilizando complejidades de datos variadas con Apache Spark.
⬤ Profundizar en el análisis de texto y NLP utilizando bibliotecas de Python como NLTK y Gensim.
⬤ Seleccionar y construir un modelo ML y evaluar y optimizar su rendimiento.
⬤ Implementar algoritmos ML desde cero en Python, TensorFlow 2, PyTorch y scikit-learn.
A quién va dirigido este libro
.
Si eres un entusiasta del aprendizaje automático, un analista de datos o un ingeniero de datos apasionado por el aprendizaje automático y quieres empezar a trabajar en tareas de aprendizaje automático, este libro es para ti.
Se suponen conocimientos previos de codificación en Python y será beneficioso tener una familiaridad básica con conceptos estadísticos, aunque no es necesario.
