Python-Programmierer finden in diesem Kochbuch nahezu 200 wertvolle und jeweils in sich
abgeschlossene Anleitungen zu Aufgabenstellungen aus dem Bereich des Machine Learning wie sie
für die tägliche Arbeit typisch sind - von der Vorverarbeitung der Daten bis zum Deep
Learning.Entwickler die mit Python und seinen Bibliotheken einschließlich Pandas und
Scikit-Learn vertraut sind werden spezifische Probleme erfolgreich bewältigen - wie etwa Daten
laden Text und numerische Daten behandeln Modelle auswählen Dimensionalität reduzieren und
vieles mehr.Jedes Rezept enthält Code den Sie kopieren zum Testen in eine kleine
Beispieldatenmenge einfügen und dann anpassen können um Ihre eigenen Anwendungen zu
konstruieren. Darüber hinaus werden alle Lösungen diskutiert und wichtige Zusammenhänge
hergestellt. Dieses Kochbuch unterstützt Sie dabei den Schritt von der Theorie und den
Konzepten hinein in die Praxis zu machen. Es liefert das praktische Rüstzeug das Sie benötigen
um funktionierende Machine-Learning-Anwendungen zu entwickeln.In diesem Kochbuch finden Sie
Rezepte für:- Vektoren Matrizen und Arrays- den Umgang mit numerischen und kategorischen Daten
Texten Bildern sowie Datum und Uhrzeit- das Reduzieren der Dimensionalität durch
Merkmalsextraktion oder Merkmalsauswahl- Modellbewertung und -auswahl- lineare und logistische
Regression Bäume und Wälder und k-nächste Nachbarn- Support Vector Machine (SVM) naive Bayes
Clustering und neuronale Netze- das Speichern und Laden von trainierten ModellenChris hat den
Kochbuchcharakter seines Buchs genutzt um nicht nur eine Referenz für erfahrene Profis zu
bieten sondern auch eine leicht zugängliche Reihe von kleinen Tutorials die Anfänger schätzen
werden. Dieses Buch ist eine wertvolle Ressource egal ob man sein Wissen vor einem
Vorstellungsgespräch als Data Scientist auffrischen möchte oder eine prägnante und dennoch
gründliche Referenz für den Schreibtisch sucht.- Justin BozonierLeitender Data Scientist bei
Grubhub
