内容 隐藏
1 Python 机器学习示例
2 Python Machine Learning By Example
2.1 主要优势
2.2 描述
2.3 这本书适合谁阅读？
2.4 您将学到什么

Python 机器学习示例

Python Machine Learning By Example

通过实际用例解锁机器学习最佳实践，第四版

 主要优势

  • 发现有关 NLP 转换器、PyTorch 和计算机视觉建模的新内容和更新内容
  • 包括关于最佳实践的专门章节和贯穿全书的其他最佳实践技巧，以改进您的 ML 解决方案
  • 从头开始实施 ML 模型，例如神经网络以及线性和逻辑回归
  • 购买印刷版或 Kindle 电子书包括免费的 PDF 副本

 描述

Python Machine Learning By Example 第四版是一份综合指南，适用于想要学习更高级技术（例如多模态建模）的初学者和经验丰富的机器学习从业者。此版本由经验丰富的机器学习作者和前 Google 机器学习工程师 Yuxi （Hayden） Liu 撰写，重点介绍了最佳实践，为机器学习工程师、数据科学家和分析师提供了宝贵的见解。探索高级技术，包括关于使用 BERT 和 GPT 的自然语言处理转换器的两个新章节，以及使用 PyTorch 和 Hugging Face 的多模态计算机视觉模型。您将使用实际示例学习关键的建模技术，例如预测股票价格和创建图像搜索引擎。这本动手实践机器学习书籍解决了复杂的挑战，弥合了理论理解和实际应用之间的差距。通过此权威指南，提升您的机器学习和深度学习专业知识，解决复杂的问题，并释放机器学习中高级技术的潜力。

这本书适合谁阅读？

扩展后的第四版非常适合数据科学家、ML 工程师、分析师和具有 Python 编程知识的学生。真实示例、最佳实践和代码为任何从事第一个严肃的 ML 项目的人做好准备。

 您将学到什么

  • 在整个数据准备和模型开发过程中遵循机器学习最佳实践
  • 使用卷积神经网络 （CNN） 和迁移学习构建和改进图像分类器
  • 使用 TensorFlow 和 PyTorch 开发和微调神经网络
  • 使用递归神经网络 （RNN）、transformer 和 CLIP 分析序列数据并进行预测
  • 使用支持向量机 （SVM） 构建分类器，并使用 PCA 提高性能
  • 使用正则化、特征选择等避免过拟合
声明：本站所有文章，如无特殊说明或标注，均为本站原创发布。任何个人或组织，在未征得本站同意时，禁止复制、盗用、采集、发布本站内容到任何网站、书籍等各类媒体平台。如若本站内容侵犯了原著者的合法权益，可联系我们进行处理。