Permalink
bậc thầy
Chuyển nhánh/thẻ
Không thể tải các nhánh
Không có gì để hiển thị
{{refname}}
Tên đã được sử dụng
Một thẻ đã tồn tại với tên chi nhánh được cung cấp. Nhiều lệnh GIT chấp nhận cả tên thẻ và tên chi nhánh, vì vậy việc tạo nhánh này có thể gây ra hành vi bất ngờ. Bạn có chắc là bạn muốn tạo chi nhánh này?
Đi nộp
- Đi nộp
- Sao chép đường dẫn
- Sao chép permalink
JCBLAISECRUZ02 đã thêm sách Added books
Cam kết mới nhất 8072158 ngày 8 tháng 4 năm 2019 8072158 Apr 8, 2019
Lịch sử0 người đóng góp contributors
Người dùng đã đóng góp cho tệp này
31,6 MB
Tải xuống
- Mở với máy tính để bàn
- Tải xuống
- Xóa tài liệu
Xin lỗi, có lỗi xảy ra. Tải lại?
Xin lỗi, chúng tôi không thể hiển thị tệp này.
Xin lỗi, tệp này không hợp lệ nên nó không thể được hiển thị.
1-2-3 Phép thuật: Kỷ luật 3 bước cho sự bình tĩnh, hiệu quả và nuôi dạy con cái hạnh phúc
322 trang · 2017 · 6,23 MB · 200.095 lượt tải xuống·2017·6.23 MB·200,095 Downloads
1-2-3_Magic__3-step_discipline_for_calm, _e _-_ Thomas_w__phelan.pdf 1-2-3 Phép thuật: Kỷ luật 3 bước cho sự bình tĩnh, hiệu quả, an & nbsp; ...
Mô tả cuốn sách
Học máy đã trở thành một phần không thể thiếu của nhiều ứng dụng thương mại và các dự án nghiên cứu, nhưng lĩnh vực này không dành riêng cho các công ty lớn với các nhóm nghiên cứu rộng rãi. Nếu bạn sử dụng Python, ngay cả khi mới bắt đầu, cuốn sách này sẽ dạy bạn những cách thiết thực để xây dựng các giải pháp học máy của riêng bạn. Với tất cả các dữ liệu có sẵn ngày hôm nay, các ứng dụng học máy chỉ bị giới hạn bởi trí tưởng tượng của bạn.
Bạn sẽ học các bước cần thiết để tạo ra một ứng dụng học máy thành công với Python và thư viện Scikit-Learn. Các tác giả Andreas Müller và Sarah Guido tập trung vào các khía cạnh thực tế của việc sử dụng các thuật toán học máy, thay vì toán học đằng sau chúng. Sự quen thuộc với các thư viện Numpy và Matplotlib sẽ giúp bạn nhận được nhiều hơn từ cuốn sách này.
Với cuốn sách này, bạn sẽ học:
- Các khái niệm và ứng dụng cơ bản của học máy
- Ưu điểm và thiếu sót của thuật toán học máy được sử dụng rộng rãi
- Cách biểu diễn dữ liệu được xử lý bằng máy học, bao gồm cả các khía cạnh dữ liệu để tập trung vào
- Các phương pháp nâng cao để đánh giá mô hình và điều chỉnh tham số
- Khái niệm về đường ống để chuỗi mô hình và đóng gói quy trình làm việc của bạn
- Phương pháp làm việc với dữ liệu văn bản, bao gồm các kỹ thuật xử lý cụ thể văn bản
- Đề xuất cải thiện kỹ năng học máy và khoa học dữ liệu của bạn
Học máy là một phần không thể thiếu của nhiều ứng dụng thương mại và các dự án nghiên cứu ngày nay, trong các lĩnh vực từ chẩn đoán và điều trị y tế đến tìm bạn bè của bạn trên mạng xã hội. Nhiều người nghĩ rằng học máy chỉ có thể được áp dụng bởi các công ty lớn với các nhóm nghiên cứu rộng rãi. Trong cuốn sách này, chúng tôi muốn cho bạn thấy việc tự mình xây dựng các giải pháp học máy dễ dàng như thế nào và làm thế nào để tiếp tục tốt nhất. Với kiến thức trong cuốn sách này, bạn có thể xây dựng hệ thống của riêng mình để tìm hiểu mọi người cảm thấy thế nào trên Twitter hoặc đưa ra dự đoán về sự nóng lên toàn cầu. Các ứng dụng của học máy là vô tận và, với số lượng dữ liệu có thể có ngày hôm nay, chủ yếu bị giới hạn bởi trí tưởng tượng của bạn. Ai nên đọc cuốn sách này cuốn sách này là dành cho các học viên học máy hiện tại và đầy tham vọng đang tìm cách thực hiện các giải pháp cho các vấn đề học tập máy thực tế. Đây là một cuốn sách giới thiệu không yêu cầu kiến thức trước đây về học máy hoặc intelli và nhân tạo [AI]. Chúng tôi tập trung vào việc sử dụng Python và thư viện Scikit-Learn và thực hiện tất cả các bước để tạo ra một ứng dụng máy học thành công. Các phương pháp mà chúng tôi giới thiệu sẽ hữu ích cho các nhà khoa học và nhà nghiên cứu, cũng như các nhà khoa học dữ liệu làm việc trên các ứng dụng thương mại. Bạn sẽ tận dụng tối đa cuốn sách nếu bạn có phần quen thuộc với các thư viện Python và Numpy và Matplotlib.
Who Should Read This Book
This book is for current and aspiring machine learning practitioners looking to implement solutions to real-world machine learning problems. This is an introduc‐ tory book requiring no previous knowledge of machine
learning or artificial intelli‐ gence [AI]. We focus on using Python and the scikit-learn library, and work through all the steps to create a successful machine learning application. The meth‐ ods we introduce will be helpful for scientists and researchers, as well as data scien‐ tists working on commercial applications. You will get the most out of the book if you are somewhat familiar with Python and the NumPy and matplotlib libraries.