Машинное обучение с использованием Python. Сборник рецептов: практические решения от предобработки до глубокого обучения, 2 изд.

Книга содержит около 200 задач машинного обучения, таких как загрузка и обработка текстовых или числовых данных, отбор модели и многие другие. Рассмотрена работа с языком Python, библиотеками pandas и scikit-learn. Коды примеров можно вставлять, объединять и адаптировать, создавая собственное приложение. Приведены рецепты решений с использованием: — векторов, матриц и массивов; — данных из CSV, JSON, SQL, баз данных, облачных хранилищ и других источников; — обработки данных, текста, изображений, дат и времени; — уменьшения размерности и методов выделения или отбора признаков; — оценивания и отбора моделей; — линейной и логистической регрессии, деревьев, лесов и k ближайших соседей; — опорно-векторных машин (SVM), наивных байесовых классификаторов, кластеризации и нейронных сетей; — сохранения и загрузки натренированных моделей. Во втором издании все примеры обновлены, рассмотрены задачи и фреймворки глубокого обучения, расширены разделы с тензорами, нейронными сетями и библиотекой глубокого обучения PyTorch. Для разработчиков систем машинного обучения