Python: Apprendimento automatico nel mondo reale: Porta le tue capacità di apprendimento automatico in Python al livello successivo

Recensioni dei lettori

Attualmente non ci sono recensioni dei lettori. La valutazione si basa su 5 voti.

Titolo originale:

Python: Real World Machine Learning: Take your Python Machine learning skills to the next level

Contenuto del libro:

Esplora le fantastiche funzionalità del nuovissimo JIRA 7 per gestire progetti e gestire efficacemente bug e problemi software.

Caratteristiche principali

⬤ Aggiornato per JIRA 7, questo libro copre tutte le nuove funzionalità introdotte in JIRA 7 con un capitolo dedicato a JIRA Service Desk, uno dei più grandi nuovi componenti aggiuntivi di JIRA.

⬤ Questo libro getta solide basi per lavorare con progetti agili in JIRA sia dal punto di vista dell'amministratore che dell'utente finale.

⬤ Impara a risolvere problemi di scienza dei dati impegnativi costruendo potenti modelli di apprendimento automatico con Python.

Descrizione del libro

L'apprendimento automatico si sta diffondendo sempre più nel mondo moderno basato sui dati. È ampiamente utilizzato in molti campi come i motori di ricerca, la robotica, le auto a guida autonoma e altri ancora. L'apprendimento automatico sta trasformando il modo in cui comprendiamo e interagiamo con il mondo che ci circonda.

Nel primo modulo, Python Machine Learning Cookbook, imparerete a eseguire diverse operazioni di apprendimento automatico utilizzando un'ampia gamma di algoritmi di apprendimento automatico per risolvere problemi del mondo reale e a utilizzare Python per implementare questi algoritmi.

Il secondo modulo, Advanced Machine Learning with Python, è pensato per accompagnarvi in un tour guidato delle tecniche di apprendimento automatico più rilevanti e potenti e vi farà acquisire un'ampia serie di potenti competenze nell'area della selezione e dell'ingegneria delle caratteristiche.

Il terzo modulo di questo percorso di apprendimento, Large Scale Machine Learning with Python, approfondisce l'apprendimento automatico scalabile e le tre forme di scalabilità. Copre le tecniche di apprendimento automatico più efficaci su un framework map reduce in Hadoop e Spark in Python.

Questo percorso di apprendimento vi insegnerà l'apprendimento automatico in Python per il mondo reale. Le tecniche di apprendimento automatico trattate in questo percorso di apprendimento sono all'avanguardia nella pratica commerciale.

Questo percorso di apprendimento combina alcune delle migliori offerte di Packt in un pacchetto completo e curato. Include i contenuti dei seguenti prodotti Packt:

⬤ Python Machine Learning Cookbook di Prateek Joshi.

⬤ Apprendimento automatico avanzato con Python di John Hearty.

⬤ Large Scale Machine Learning with Python di Bastiaan Sjardin, Alberto Boschetti, Luca Massaron.

Che cosa imparerete?

⬤ Utilizzare la modellazione predittiva e applicarla ai problemi del mondo reale.

⬤ Capire come eseguire la segmentazione del mercato utilizzando l'apprendimento non supervisionato.

⬤ Applicate le vostre nuove competenze per risolvere problemi reali, grazie a un codice chiaramente spiegato per ogni tecnica e test.

⬤ Competere con i migliori data scientist acquisendo una comprensione pratica e teorica degli algoritmi di deep learning all'avanguardia.

⬤ Aumentare l'accuratezza predittiva con l'apprendimento profondo e le tecniche di gestione dei dati scalabili.

⬤ Lavorare con le moderne tecniche di apprendimento automatico su larga scala.

⬤ Imparare a utilizzare il codice Python per implementare una serie di algoritmi e tecniche di apprendimento automatico.

A chi è rivolto questo libro

Questo percorso di apprendimento è rivolto ai programmatori Python che desiderano utilizzare gli algoritmi di apprendimento automatico per creare applicazioni reali. È ideale per i professionisti Python che desiderano lavorare con insiemi di dati complessi e di grandi dimensioni, per gli sviluppatori e gli analisti Python o per i data scientist che desiderano arricchire le proprie competenze accedendo ad alcune delle più potenti tendenze recenti della scienza dei dati. È richiesta esperienza con Python, Jupyter Notebooks e l'esecuzione a riga di comando, oltre a un buon livello di conoscenze matematiche per comprendere i concetti. Ci si aspetta anche una conoscenza di base dell'apprendimento automatico.