Bookcamp di ingegneria delle caratteristiche

Recensioni dei lettori

Il libro recensito, “Feature Engineering Bookcamp”, è molto apprezzato per il suo approccio pratico all'ingegneria delle caratteristiche, che offre casi di studio reali e una guida accessibile ideale sia per i principianti che per i professionisti esperti di ML. Sebbene sia considerato una risorsa essenziale per la comprensione dell'ingegneria delle caratteristiche, alcuni recensori hanno rilevato aree di miglioramento, in particolare in termini di efficienza e metodologie di test.

⬤ Casi di studio eccellenti in vari domini.
⬤ Focus pratico sull'implementazione piuttosto che sulla teoria.
⬤ Linguaggio chiaro e conciso.
⬤ Riferimento tempestivo per l'apprendimento automatico incentrato sui dati.
⬤ Copertura completa dei concetti di feature engineering.
⬤ Discussione approfondita sul rilevamento e la mitigazione dei bias.
⬤ Introduzione agli archivi di caratteristiche per il ML.
⬤ Include codice supplementare su GitHub.
⬤ Accesso al LiveBook con copia fisica.

⬤ Potrebbe beneficiare di una migliore strutturazione dei capitoli per l'efficienza nel testare pipeline multiple di feature engineering.
⬤ Manca l'esplorazione dei framework auto-ML per l'implementazione delle tecniche.
⬤ Alcuni recensori avrebbero voluto avere accesso a questo libro all'inizio della loro carriera.

(basato su 5 recensioni dei lettori)

Titolo originale:

Feature Engineering Bookcamp

Contenuto del libro:

Migliorate enormemente le vostre pipeline di apprendimento automatico senza passare ore a mettere a punto i parametri! I casi pratici di questo libro rivelano tecniche di feature engineering che migliorano la gestione dei dati e i risultati dell'apprendimento automatico.

In Feature Engineering Bookcamp imparerete come:

Identificare e implementare trasformazioni di caratteristiche per i vostri dati.

Costruire potenti pipeline di apprendimento automatico con dati non strutturati come testo e immagini.

Quantificare e minimizzare le distorsioni nelle pipeline di apprendimento automatico a livello di dati.

Usare i feature store per costruire pipeline di feature engineering in tempo reale.

Migliorare le pipeline di apprendimento automatico esistenti manipolando i dati di ingresso.

Utilizzare modelli di deep learning all'avanguardia per estrarre modelli nascosti nei dati.

Il Feature Engineering Bookcamp vi guida attraverso una serie di progetti che vi permettono di fare pratica con le principali tecniche di feature engineering. Lavorerete con le pratiche di feature engineering che accelerano il tempo di elaborazione dei dati e migliorano concretamente le prestazioni del vostro modello. Questo libro, di immediata utilità, evita la teoria matematica astratta e le formule minuziosamente dettagliate; imparerete invece attraverso interessanti casi di studio basati sul codice, tra cui la classificazione di tweet, l'individuazione di COVID, la previsione di recidiva, l'individuazione di movimenti azionari e altro ancora.

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

Informazioni sulla tecnologia.

Ottenete risultati migliori dalle pipeline di apprendimento automatico migliorando i dati di addestramento! Utilizzate l'ingegneria delle caratteristiche, una tecnica di apprendimento automatico che consente di progettare variabili di input rilevanti sulla base dei dati esistenti, per semplificare l'addestramento e migliorare le prestazioni del modello. Mentre la messa a punto degli iperparametri o la modifica dei modelli possono dare un piccolo incremento delle prestazioni, l'ingegneria delle caratteristiche consente di ottenere miglioramenti significativi trasformando la pipeline di dati.

Informazioni sul libro.

Il Feature Engineering Bookcamp vi guida attraverso sei progetti pratici in cui imparerete a migliorare i vostri dati di formazione utilizzando l'ingegneria delle caratteristiche. Ogni capitolo esplora un nuovo caso di studio basato sul codice, tratto da settori reali come la finanza e la sanità. Vi eserciterete a pulire e trasformare i dati, a mitigare le distorsioni e molto altro ancora. Il libro è ricco di suggerimenti per migliorare le prestazioni di tutti i principali sottodomini del ML, dall'elaborazione del linguaggio naturale all'analisi delle serie temporali.

Cosa contiene.

Identificare e implementare le trasformazioni delle caratteristiche.

Costruire pipeline di apprendimento automatico con dati non strutturati.

Quantificare e minimizzare i bias nelle pipeline di ML.

Utilizzare i feature store per costruire pipeline di feature engineering in tempo reale.

Migliorare le pipeline esistenti manipolando i dati di input.

Informazioni sul lettore.

Per ingegneri esperti di apprendimento automatico con familiarità con Python.

Informazioni sull'autore.

Sinan Ozdemir è fondatore e CTO di Shiba, ex docente di Data Science alla Johns Hopkins University e autore di diversi libri di testo sulla scienza dei dati e sull'apprendimento automatico.

Indice dei contenuti.

1 Introduzione all'ingegneria delle caratteristiche.

2 Le basi del feature engineering.

3 Assistenza sanitaria: Diagnosi di COVID-19.

4 Bias ed equità: Modellare la recidiva.

5 Elaborazione del linguaggio naturale: Classificazione del sentiment dei social media.

6 Visione artificiale: Riconoscimento degli oggetti.

7 Analisi delle serie temporali: Day trading con l'apprendimento automatico.

8 Archivi di funzioni.

9 Mettere tutto insieme.