Apprendimento profondo con i dati strutturati

Recensioni dei lettori

Il libro è orientato ai principianti dell'apprendimento automatico e copre argomenti essenziali come la pulizia dei dati e la gestione dei dataset del mondo reale. Tuttavia, non è adatto a chi ha già familiarità con l'apprendimento automatico e desidera contenuti approfonditi sull'apprendimento profondo, poiché dedica solo due capitoli all'apprendimento profondo e manca di complessità nelle sue discussioni.

⬤ Adatto ai principianti dell'apprendimento automatico
⬤ copertura approfondita della pulizia dei dati e delle sfide del mondo reale
⬤ esempi pratici di implementazione dei modelli e di gestione dei dati sbilanciati.

⬤ Approfondimento insufficiente degli argomenti relativi al deep learning
⬤ limitazione a due capitoli per il deep learning
⬤ utilizzo di dataset più semplici (ad esempio, MNIST) che potrebbero non essere in linea con il titolo del libro
⬤ prestazioni anticlimatiche dei modelli di deep learning rispetto ai modelli tradizionali come XGBoost.

(basato su 3 recensioni dei lettori)

Titolo originale:

Deep Learning with Structured Data

Contenuto del libro:

Deep Learning with Structured Data insegna potenti tecniche di analisi dei dati tabellari e dei database relazionali.

Sintesi

L'apprendimento profondo offre il potenziale per identificare schemi e relazioni complesse nascoste in dati di ogni tipo. Deep Learning with Structured Data mostra come applicare le potenti tecniche di analisi del deep learning al tipo di dati strutturati e tabellari che si trovano nei database relazionali da cui dipendono le aziende del mondo reale. Ricco di applicazioni pratiche e rilevanti, questo libro insegna come l'apprendimento profondo possa aumentare i sistemi di machine learning e di business intelligence esistenti.

L'acquisto del libro stampato include un eBook gratuito nei formati PDF, Kindle e ePub di Manning Publications.

Informazioni sulla tecnologia

Ecco uno sporco segreto: la metà del tempo nella maggior parte dei progetti di scienza dei dati viene spesa per pulire e preparare i dati. Ma c'è un modo migliore: Le tecniche di deep learning ottimizzate per i dati tabellari e i database relazionali forniscono approfondimenti e analisi senza richiedere un'intensa attività di feature engineering. Imparate a sbloccare le prestazioni dell'apprendimento profondo con una minore quantità di filtraggio, convalida e scrubbing dei dati.

Informazioni sul libro

Deep Learning with Structured Data insegna potenti tecniche di analisi dei dati tabellari e dei database relazionali. Iniziate utilizzando un set di dati basato sul sistema di trasporto di Toronto. Durante la lettura del libro, imparerete quanto sia facile configurare i dati tabulari per l'apprendimento profondo, risolvendo al contempo problemi cruciali per la produzione, come la distribuzione e il monitoraggio delle prestazioni.

Che cosa c'è dentro?

Quando e dove usare il deep learning.

L'architettura di un modello di deep learning di Keras.

Formazione, distribuzione e manutenzione dei modelli.

Misurazione delle prestazioni.

Informazioni sul lettore

Per lettori con competenze intermedie in Python e apprendimento automatico.

Informazioni sull'autore

Mark Ryan è Data Science Manager presso Intact Insurance. Ha conseguito un master in informatica presso l'Università di Toronto.

Indice dei contenuti

1 Perché il deep learning con i dati strutturati?

2 Introduzione al problema di esempio e ai dataframe Pandas.

3 Preparazione dei dati, parte 1: esplorazione e pulizia dei dati.

4 Preparazione dei dati, parte 2: trasformazione dei dati.

5 Preparazione e costruzione del modello.

6 Addestramento del modello ed esecuzione di esperimenti.

7 Altri esperimenti con il modello addestrato.

8 Distribuzione del modello.

9 Passi successivi consigliati.