Scikit-Learn práctico para aplicaciones de aprendizaje automático: Fundamentos de Ciencia de Datos con Python

Opiniones de los lectores

En general, el libro se percibe como una guía práctica y accesible para principiantes y usuarios intermedios en aprendizaje automático. Ofrece ejemplos claros e instrucciones paso a paso para la codificación. Sin embargo, algunos lectores lo critican por estar mal escrito, carecer de explicaciones y tener contenido repetitivo.

El libro es fácil de usar y adecuado para principiantes y estudiantes de nivel intermedio. Contiene ejemplos listos para usar con conjuntos de datos estándar de Python, instrucciones de codificación claras y explicaciones útiles que mejoran la comprensión de las optimizaciones de datos. También es muy aplicable en contextos industriales y de investigación.

Algunos comentarios indican que está mal escrito, con falta de explicaciones adecuadas para los códigos y modelos, y que contiene una redacción repetitiva. Se mencionan largos fragmentos de código sin suficiente contexto, lo que podría confundir a algunos lectores.

(basado en 5 opiniones de lectores)

Título original:

Hands-On Scikit-Learn for Machine Learning Applications: Data Science Fundamentals with Python

Contenido del libro:

Los aspirantes a profesionales de la ciencia de datos pueden aprender la biblioteca Scikit-Learn junto con los fundamentos del aprendizaje automático con este libro. El libro combina la distribución Anaconda Python con la popular biblioteca Scikit-Learn para demostrar una amplia gama de algoritmos de aprendizaje automático supervisado y no supervisado. Se ha tenido especial cuidado en guiarle a través de los principios del aprendizaje automático mediante ejemplos claros escritos en Python que puede probar y experimentar en casa en su propia máquina.

Este libro abarca todos los conocimientos de matemáticas aplicadas y programación necesarios para dominar el contenido. No se requieren conocimientos profundos de programación orientada a objetos, ya que se proporcionan y explican ejemplos prácticos y completos. Los ejemplos de codificación son profundos y complejos cuando es necesario. También son concisos, precisos y completos, y complementan los conceptos de aprendizaje automático introducidos. Trabajar con los ejemplos ayuda a desarrollar las habilidades necesarias para comprender y aplicar algoritmos complejos de aprendizaje automático.

Hands-on Scikit-Learn for Machine Learning Applications es un excelente punto de partida para aquellos que persiguen una carrera en el aprendizaje automático. Los estudiantes de este libro aprenderán los fundamentos que son un requisito previo para la competencia. Los lectores estarán expuestos a la distribución Anaconda de Python que está diseñada específicamente para profesionales de la ciencia de datos, y construirán habilidades en la popular biblioteca Scikit-Learn que subyace en muchas aplicaciones de aprendizaje automático en el mundo de Python.

Lo que aprenderá

⬤ Trabajar con conjuntos de datos simples y complejos comunes a Scikit-Learn.

⬤ Manipular datos en vectores y matrices para procesamiento algorítmico.

⬤ Familiarizarse con la distribución Anaconda utilizada en ciencia de datos.

⬤ Aplicar aprendizaje automático con clasificadores, regresores y reducción de dimensionalidad.

⬤ Afinar algoritmos y encontrar los mejores algoritmos para cada conjunto de datos.

⬤ Cargar y guardar datos en formatos CSV, JSON, Numpy y Pandas.

Para quién es este libro

El aspirante a científico de datos que anhela introducirse en el aprendizaje automático mediante el dominio de los fundamentos subyacentes que a veces se pasan por alto con las prisas por ser productivo. Algunos conocimientos de programación orientada a objetos y álgebra lineal aplicada muy básica facilitarán el aprendizaje, aunque cualquiera puede beneficiarse de este libro.