Машинное обучение: Конструирование признаков. Принципы и техники для аналитиков
-18%
Описание и характеристики
ID товара
2882357
Издательство
Эксмо
Издательский бренд
БОМБОРА
Год издания
2021
ISBN
978-5-04-103292-0
Количество страниц
240
Размер
1.8x16.5x24
Тип обложки
Твёрдый переплёт
Тираж
2000
Вес, г
469
Возрастные ограничения
12+
988 ₽
1 209 ₽
+ до 148 бонусов
Осталось мало
В магазины сети, бесплатно
ЗавтраАдреса магазинов
Другие способы доставки
от 929 ₽ сегодня
Отзывы
15 бонусов
за полезный отзыв длиной от 300 символов
15 бонусов
если купили в интернет-магазине «Читай-город»
3.7
Ваган
23.03.2023
Теоретическое пособие для практиков
Плюсы
Есть теория.
Есть практика.
Если у читателя есть понимания мира машинного обучения - для него книга окажется неплохим спутником на пару дней.
Есть практика.
Если у читателя есть понимания мира машинного обучения - для него книга окажется неплохим спутником на пару дней.
Минусы
Тяжёлый для понимания материал.
Много воды.
Много воды.
Авторы этой книги - специалист по машинному обучению Amazon Элис Чжен и аналитик инновационной IT компании Concur Labs Аманда Казари. Конструирование признаков — это извлечение признаков из сырых необработанных данных и приведение их к формату, пригодному для обработки моделью машинного обучения. Это один из самых важных процессов в машинном обучении и одновременно один из самых сложных, ведь разнообразие моделей и данных не позволяет выделить общую тактику конструирования. И, тем не менее, авторам книги это удалось — здесь сформулированы более глубокие принципы работы с данными, проиллюстрированные конкретными примерами. В каждой главе описывается решение тех или иных задач: как представить текстовые данные или изображения, как понизить размерность автоматически сгенерированных признаков и т.д. В последней же главе все примеры объединяются в единую концепцию конструирования признаков в машинном обучении. Все примеры кода приведены на языке Python с использованием таких модулей, как NumPy, Pandas, Scikit-learn, Matplotlib, и выложены в репозитарии авторов на GitHub.
Присутствует теория.
Присутствует практика.
Материал очень сложный, так что рекомендуется к прочтению только тем, у кого уже есть бекграунд в машинном обучении.
Некоторые принципы расписаны довольно подробно, и для практиков, не знающих теории - это будет хорошей литературой.
Как и сказано в названии, в книге присутствуют принципы и техники моделирования.
Из минусов - издание не цветное, что немного огорчает.
Второй минус - временами много воды в тексте и коде, т.е. авторы расписывают свой код на несколько страниц, но при всем этом этот код ещё прописан не полностью, т.е. Он хорош для понимания принципов, но не будет работать при обычном CopyPaste.
3ий минус - прогресс идёт такими быстрыми темпами, что авторы не успевают описать все нововведения, которые уже окружают нас в привычном мире.
А в целом книги хорошая.
Обложка отличная.
Издательство часть вырученные средств направляет на спасение редких видов животных.
В общем рекомендуется для разового ознакомления, но только тем, кто понимает зачем покупает эту книгу.