Apprendimento automatico per i dati in streaming con Python: Costruire rapidamente soluzioni pratiche di apprendimento automatico online utilizzando River e altri framework chiave.

Recensioni dei lettori

Il libro “Machine Learning for Streaming Data with Python” di Joos Korstanje fornisce un'introduzione completa all'apprendimento automatico online utilizzando la libreria River. Copre i concetti teorici e le applicazioni pratiche per la gestione dei dati in streaming, offrendo vari esempi di codice che funzionano in modo efficiente. Mentre alcuni recensori ne hanno lodato l'organizzazione e la profondità, altri lo hanno criticato per la mancanza di contenuti specifici sullo streaming e per la presentazione di informazioni di base.

Contenuto ben strutturato e organizzato.

Fornisce conoscenze teoriche e pratiche.

(basato su 9 recensioni dei lettori)

Titolo originale:

Machine Learning for Streaming Data with Python: Rapidly build practical online machine learning solutions using River and other top key frameworks

Contenuto del libro:

Applicare l'apprendimento automatico ai dati in streaming con l'aiuto di esempi pratici e affrontare le sfide che circondano lo streaming.

Caratteristiche principali:

⬤ Lavorare su casi d'uso dello streaming che non vengono insegnati nella maggior parte dei corsi di scienza dei dati.

⬤ Acquisire esperienza con strumenti all'avanguardia per lo streaming dei dati.

⬤ Gestire varie sfide durante la gestione dei dati in streaming.

Descrizione del libro:

Lo streaming dei dati è la nuova tecnologia di punta da tenere d'occhio nel campo della scienza dei dati e dell'apprendimento automatico. Poiché le esigenze aziendali diventano sempre più stringenti, molti casi d'uso richiedono analisi in tempo reale e apprendimento automatico in tempo reale. Questo libro vi aiuterà a familiarizzare con l'analisi dei dati in streaming e si concentrerà sull'adattamento dell'apprendimento automatico e di altre analisi al caso dei dati in streaming.

Innanzitutto imparerete a conoscere l'architettura per lo streaming e l'apprendimento automatico in tempo reale. Successivamente, si esaminerà lo stato dell'arte dei framework per lo streaming dei dati, come River. I capitoli successivi si concentreranno su vari casi d'uso industriali per lo streaming dei dati, come l'Online Anomaly Detection e altri. Man mano che si procede, si scopriranno varie sfide e si imparerà a risolverle. Inoltre, imparerete le best practice che vi aiuteranno a utilizzare i dati in streaming per generare approfondimenti in tempo reale.

Alla fine di questo libro, avrete acquisito la sicurezza necessaria per utilizzare i dati in streaming nei vostri modelli di apprendimento automatico.

Cosa imparerete

⬤ Comprendere le sfide e i vantaggi di lavorare con i dati in streaming.

⬤ Sviluppare intuizioni in tempo reale dai dati in streaming.

⬤ Comprendere l'implementazione dello streaming di dati con vari casi d'uso per aumentare le vostre conoscenze.

⬤ Sviluppare un'alternativa PCA in grado di lavorare su dati in tempo reale.

⬤ Esplorare le migliori pratiche per la gestione dei dati in streaming che è assolutamente necessario ricordare.

⬤ Sviluppare un'API per l'inferenza dell'apprendimento automatico in tempo reale.

Per chi è questo libro:

Questo libro si rivolge a data scientist e ingegneri dell'apprendimento automatico che hanno un background nell'apprendimento automatico, sono orientati alla pratica e alla tecnologia e vogliono imparare ad applicare l'apprendimento automatico ai dati in streaming attraverso esempi pratici con tecnologie moderne. Sebbene sia necessaria una comprensione dei concetti di base di Python e di machine learning, non è richiesta alcuna conoscenza preliminare dello streaming.