Практическое и подробное введение в машинное обучение.Простые и понятные объяснения и отсутствие необходимости опыта программирования делают эту книгу прекрасной альтернативой академическому учебнику. Здесь представлены основные алгоритмы машинного обучения (ML), которые сопровождаются наглядными примерами и практическими работами. Также вы узнаете про перекрестную проверку, ансамблевое моделирование, поиск по сетке для настройки моделей, проектирование функций, горячее кодирование и многое другое.Для разработки интеллектуальных машин в первую очередь надо понять классическую статистику, так как алгоритмы на ее основе — это сердце машинного обучения. Написание кода — еще одна неотъемлемая часть ML, которая предусматривает управление данными. Однако материал этого руководства можно освоить даже без навыков программирования.Возможно, с чтения этой книги начнется ваш путь к получению работы в области машинного обучения, а может быть, она просто удовлетворит ваше любопытство.Внутри руководства:• Загрузка бесплатных наборов данных.• Методы очистки данных, включая горячее кодирование, группирование и обработку недостающих данных.• Подготовка данных для анализа.• Линейный регрессионный анализ.• Кластеризация, включая кластеризацию k-средних.• Основы работы нейронных сетей.• Смещение/дисперсия для улучшения модели машинного обучения.• Деревья решений для декодирования классификации.• Ваша первая модель машинного обучения с помощью Python.Об автореОЛИВЕР ТЕОБАЛЬД — технический писатель, специализирующийся на темах искусственного интеллекта, финансовых технологий и облачных вычислений. Автор книг Python for Absolute Beginners, Machine Learning with Python for Beginners, Data Analytics for Absolute Beginners и др.