Машинне навчання на Python для всіх

Марк Феннер

Штучний інтелект і машинне навчання розвиваються з надзвичайною динамікою та знаходять все більш різноманітне застосування майже в усіх галузях. Цей вражаючий прогрес тісно пов’язаний із досягненнями у світі апаратного та програмного забезпечення. Зараз для машинного навчання використовується багато мов програмування, наприклад R, C, C++, Fortran і Go, але Python і його спеціалізовані бібліотеки виявилися найпопулярнішим вибором. Знання цих бібліотек та інструментів дає змогу створювати системи машинного навчання навіть тим, хто не має глибоких знань з математики.

Ця книга призначена для всіх, хто хоча б трохи знає Python і хоче навчитися машинному навчанню. Математичні питання представлені тут мінімально, але більше уваги приділено концепціям, на яких базуються найважливіші та найбільш часто використовувані інструменти та техніки машинного навчання. Потім були продемонстровані практичні принципи впровадження машинного навчання з використанням найсучасніших бібліотек та інструментів Python. Він описує компоненти систем машинного навчання, які використовуються сьогодні, включаючи методи класифікації та регресії, а також розробку функцій, яка дозволяє перетворювати дані в корисну форму. Було проаналізовано численні алгоритми та найбільш часто використовувані методи машинного навчання. Коротко представлено моделі графів і нейронні мережі, включаючи глибокі мережі, а також поєднання цих методів із більш просунутими методами, корисними, наприклад, під час роботи з графічними та текстовими даними.

Книга включає, зокрема:

• алгоритми та моделі машинного навчання
• принципи оцінки ефективності систем навчання
• методи перетворення даних
• машинне навчання техніки для зображень і тексту
• нейронні мережі та моделі графів
• бібліотека scikit-learn та інші інструменти Python

Машинне навчання за допомогою Python: для всіх від сьогодні!

Про автора

Dr. Марк Феннер – навчає дорослих інформатики та математики. Проводив дослідження в галузі машинного навчання, біоінформатики та безпеки комп’ютерних систем. Він також займався аналізом безпеки сховищ програмного забезпечення, імовірнісним моделюванням білка, аналізом і візуалізацією даних екологічних і мікроскопічних досліджень. Він живе зі своєю родиною на південному сході Пенсильванії.

Зміст

Передмова 15

Вступ 17

Про автора 23

ЧАСТИНА I. ПОЧАТОК 25

Розділ 1. Давайте обговоримо навчене 27

• 1.1. Привіт 27
• 1.2. Сфера застосування, термінологія, прогноз і дані 28

  1.2.1. Функції 28

  1.2.2. Цільові значення та прогнози 31

• 1.3. Роль машини в машинному навчанні 31
• 1.4. Приклад систем машинного навчання 33

  1.4.1. Категоріальний прогноз: приклади класифікації 33

  1.4.2. Прогнозування значення – приклади регресорів 35

• 1.5. Оцінка систем машинного навчання 35

  1.5.1. Правильність 36

  1.5.2. Використання ресурсів 37

• 1.6. Процес побудови систем машинного навчання 38
• 1.7. Припущення та реалії навчання 40
• 1.8. Кінець глави 42

  1.8.1. Дорога попереду 42

  1.8.2. Примітки 43

Розділ 2. Технічний контекст 45

• 2.1. Про нашу конфігурацію 45
• 2.2. Потреба в математичній мові 45
• 2.3. Наше програмне забезпечення для виклику машинного навчання 46
• 2.4. Імовірність 47

  2.4.1. Елементарні події 48

  2.4.2. Незалежність подій 50

  2.4.3. Умовна ймовірність 50

  2.4.4. Розклади 52

• 2.5. Лінійні комбінації, суми