טיש פון קאָנטענץ[באַהאַלטן][ווייַזן]
דורך דעם וועג, מיר אַלע וויסן ווי געשווינד מאַשין לערנען טעכנאָלאָגיע האט דעוועלאָפּעד אין די לעצטע עטלעכע יאָרן. מאַשין לערנען איז אַ דיסציפּלין וואָס האט געצויגן די אינטערעס פון עטלעכע קאָרפּעריישאַנז, אַקאַדעמיקס און סעקטאָרס.
רעכט צו דעם, איך וועל דיסקוטירן עטלעכע פון די גרעסטע ביכער אויף מאַשין לערנען וואָס אַ ינזשעניר אָדער נעווביע זאָל לייענען הייַנט. איר מוזן אַלע האָבן מסכים אַז לייענען ביכער איז נישט די זעלבע ווי ניצן דעם שכל.
לייענען ביכער העלפּס אונדזער מחשבות צו אַנטדעקן אַ פּלאַץ פון נייַע טינגז. לייענען איז דאָך לערנען. א זיך-לערנער קוויטל איז אַ פּלאַץ פון שפּאַס צו האָבן. די גרעסטע טעקסטבוקס בנימצא אין דעם פעלד וועט זיין כיילייטיד אין דעם אַרטיקל.
די פאלגענדע טעקסטבוקס פאָרשלאָגן אַ געפרואווט-און-אמת הקדמה צו די גרעסערע פעלד פון אַי און זענען אָפט געניצט אין אוניווערסיטעט קאָרסאַז און רעקאַמענדיד דורך אַקאַדעמיקס און ענדזשאַנירז.
אפילו אויב איר האָבן אַ פּלאַץ פון מאַשין וויסן דערפאַרונג, פּיקינג איינער פון די טעקסטבוקס קען זיין אַ גוואַלדיק וועג צו באַרשט זיך. נאָך אַלע, לערנען איז אַ קעסיידערדיק פּראָצעס.
1. מאַשין לערנען פֿאַר אַבסאָלוט ביגינערז
איר וואָלט ווי צו לערנען מאַשין לערנען אָבער טאָן ניט וויסן ווי צו טאָן דאָס. עס זענען עטלעכע קריטיש טעאָרעטיש און סטאַטיסטיש קאַנסעפּס איר זאָל פֿאַרשטיין איידער איר אָנהייבן דיין עפּאָס יאַזדע אין מאַשין לערנען. און דאָס בוך זאַט אַז נויט!
עס אָפפערס גאַנץ נאַוואַסיז מיט אַ הויך-מדרגה, אָנווענדלעך הקדמה צו מאַשין לערנען. דער בוך מאַשין לערנען פֿאַר אַבסאָלוט ביגינערז איז איינער פון די בעסטער ברירות פֿאַר ווער עס יז וואָס זוכט פֿאַר די מערסט סימפּלאַפייד דערקלערונג פון מאַשין לערנען און פֿאַרבונדן געדאנקען.
די פילע מל אַלגערידאַמז פון דעם בוך זענען באגלייט מיט קאַנסייס דערקלערונגען און גראַפיק ביישפילן צו העלפן לייענער פֿאַרשטיין אַלץ וואָס איז דיסקאַסט.
טעמעס באדעקט אין דעם בוך
- באַסיקס פון נוראַל נעטוואָרקס
- רעגרעססיאָן אַנאַליסיס
- שטריך ינזשעניעריע
- Clustering
- קרייז-וואַלאַדיישאַן
- דאַטאַ סקראַבינג טעקניקס
- באַשלוס ביימער
- אַנסאַמבאַל מאָדעלינג
2. מאַשין לערנען פֿאַר דאַמיז
מאַשין לערנען קען זיין אַ קאַנפיוזינג געדאַנק פֿאַר רעגולער מענטשן. אָבער, עס איז פּריקרע פֿאַר די פון אונדז וואָס זענען נאַלאַדזשאַבאַל.
אָן ML, עס איז שווער צו פירן ישוז ווי אָנליין זוכן רעזולטאַטן, פאַקטיש-צייט אַדווערטייזמאַנץ אויף וועב זייַטלעך, אָטאַמיישאַן אָדער אפילו ספּאַם פֿילטרירונג (יאָ!).
ווי אַ רעזולטאַט, דאָס בוך אָפפערס איר אַ פּשוט הקדמה וואָס וועט העלפֿן איר לערנען מער וועגן די עניגמאַטיק מעלוכע פון מאַשין לערנען. מיט די הילף פון Machine Learning For Dummies, איר וועט לערנען ווי צו "רעדן" שפּראַכן ווי Python און R, וואָס וועט געבן איר צו באַן קאָמפּיוטערס צו מאַכן מוסטער דערקענונג און דאַטן אַנאַליסיס.
אין דערצו, איר וועט לערנען ווי צו נוצן Python's Anaconda און R Studio צו אַנטוויקלען אין R.
טעמעס באדעקט אין דעם בוך
- דאַטאַ צוגרייטונג
- אַפּראָוטשיז פֿאַר מאַשין לערנען
- די מאַשין לערנען ציקל
- געלערנט און ניט-סופּערווייזד לערנען
- טראַינינג מאַשין לערנען סיסטעמען
- טייינג מאַשין לערנען מעטהאָדס צו אַוטקאַמז
3. די הונדערט בלאַט מאַשין לערנען בוך
איז עס מעגלעך צו דעקן אַלע אַספּעקץ פון מאַשין לערנען אונטער 100 בלעטער? Andriy Burkov's The Hundred-Page Machine Learning Book איז אַן פּרווון צו טאָן דאָס זעלבע.
די מאַשין לערנען בוך איז געזונט געשריבן און געשטיצט דורך באַרימט געדאַנק פירער אַרייַנגערעכנט Sujeet Varakhedi, הויפּט פון אינזשעניריע ביי eBay, און Peter Norvig, דירעקטאָר פון פאָרשונג ביי Google.
דאָס איז די גרעסטע בוך פֿאַר אַ אָנהייבער אין מאַשין לערנען. נאָך לייענען דעם בוך, איר וועט קענען צו בויען און פֿאַרשטיין סאַפיסטאַקייטיד אַי סיסטעמען, הצלחה אין אַ מאַשין לערנען אינטערוויו און אפילו קאַטער דיין אייגענע ML-באזירט פירמע.
אָבער, דער בוך איז נישט בדעה פֿאַר גאַנץ ביגינערז אין מאַשין לערנען. קוק ערגעץ אויב איר זוכט עפּעס מער פונדאַמענטאַל.
טעמעס באדעקט אין דעם בוך
- אַנאַטאָמי פון אַ לערנען אַלגערידאַם
- געלערנט לערנען און ניט-סופּערווייזד לערנען
- ריינפאָרסמאַנט לערנען
- פונדאַמענטאַל אַלגערידאַמז פון מאַשין לערנען
- איבערבליק פון נעוראַל נעטוואָרקס און טיף לערנען
4. פֿאַרשטיין מאַשין לערנען
א סיסטעמאַטיש הקדמה צו מאַשין לערנען איז צוגעשטעלט אין דעם בוך Understanding Machine Learning. דער בוך דעלוווז דיפּלי אין די פונדאַמענטאַל יידיאַז, קאַמפּיוטיישאַנאַל פּעראַדימז און מאַטאַמאַטיקאַל דעריוויישאַנז פון מאַשין לערנען.
אַ ברייט קייט פון מאַשין לערנען סאַבדזשעקץ איז דערלאנגט אין אַ פּשוט שטייגער דורך מאַשין לערנען. די טעאָרעטישע יסודות פון מאַשין לערנען זענען דיסקרייבד אין דעם בוך, צוזאַמען מיט די מאַטאַמאַטיקאַל דעריוויישאַנז וואָס מאַכן די יסודות אין נוציק אַלגערידאַמז.
דער בוך גיט די פאַנדאַמענטאַלז איידער קאַווערינג אַ ברייט קייט פון קריטיש סאַבדזשעקץ וואָס האָבן נישט געווען באדעקט דורך פריער טעקסטבוקס.
אַרייַנגערעכנט אין דעם זענען אַ דיסקוסיע פון די קאַנוועקסיטי און פעסטקייַט קאַנסעפּס און די קאַמפּיוטיישאַנאַל קאַמפּלעקסיטי פון לערנען, ווי געזונט ווי באַטייַטיק אַלגערידאַם פּעראַדימז ווי סטאָטשאַסטיק. גראַדיענט אַראָפּגאַנג, נעוראַל נעטוואָרקס, און סטראַקטשערד רעזולטאַט לערנען, ווי געזונט ווי נייַ ימערדזשינג טעאָרעטיש געדאנקען ווי די PAC-Bayes צוגאַנג און קאַמפּרעשאַן-באזירט גווול. דיזיינד פֿאַר אָנהייב גראַדזשאַוואַץ אָדער אַוואַנסירטע ונדערגראַדואַטעס.
טעמעס באדעקט אין דעם בוך
- די קאַמפּיוטיישאַנאַל קאַמפּלעקסיטי פון מאַשין לערנען
- ML אַלגערידאַמז
- נעוראַל נעטוואָרקס
- PAC-Bayes צוגאַנג
- סטאָטשאַסטיק גראַדיענט אַראָפּגאַנג
- סטראַקטשערד רעזולטאַט לערנען
5. הקדמה צו מאַשין לערנען מיט פּיטהאָן
זענט איר אַ פּיטהאָן-סאַווי דאַטן געלערנטער וואָס וויל צו לערנען מאַשין לערנען? דער בעסטער בוך צו אָנהייבן דיין מאַשין לערנען פּאַסירונג מיט איז הקדמה צו מאַשין לערנען מיט פּיטהאָן: אַ גייד פֿאַר דאַטאַ ססיענטיסץ.
מיט דער הילף פון דעם בוך הקדמה צו מאַשין לערנען מיט פּיטהאָן: אַ גייד פֿאַר דאַטאַ ססיענטיסץ, איר וועט אַנטדעקן אַ פאַרשיידנקייַט פון נוציק טעקניקס פֿאַר קריייטינג מנהג מאַשין לערנען מגילה.
איר וועט דעקן יעדער קריטיש שריט ינוואַלווד אין ניצן Python און די Sikit-לערן פּעקל צו בויען פאַרלאָזלעך מאַשין לערנען אַפּלאַקיישאַנז.
באַקומען אַ האַרט אָנכאַפּן פון די מאַטפּלאָטליב און NumPy לייברעריז וועט מאַכן לערנען פיל גרינגער.
טעמעס באדעקט אין דעם בוך
- מאָדערן טעקניקס פֿאַר פּאַראַמעטער טוויקינג און מאָדעל אַסעסמאַנט
- אַפּפּליקאַטיאָנס און יקערדיק מאַשין לערנען געדאנקען
- אָטאַמייטיד לערנען טעקניקס
- טעקניקס פֿאַר מאַניפּיאַלייטינג טעקסט דאַטן
- מאָדעל טשאַינינג און וואָרקפלאָוו ענקאַפּסולאַטיאָן פּייפּליינז
- דאַטע פאַרטרעטונג נאָך פּראַסעסינג
6. האַנט-אויף מאַשין לערנען מיט סי-קיט לערנען, קעראַס און Tensorflow
צווישן די מערסט גרונטיק אויסגאבעס אויף דאַטן וויסנשאַפֿט און מאַשין לערנען, עס איז סטאַפט פול פון וויסן. עס איז אַדווייזד אַז עקספּערץ און נאַוואַסיז לערנען מער וועגן דעם טעמע.
כאָטש דאָס בוך כּולל בלויז אַ ביסל טעאָריע, עס איז געשטיצט דורך שטאַרק ביישפילן, וואָס גיט עס אַ אָרט אויף דער רשימה.
דאָס בוך כולל אַ פאַרשיידנקייַט פון טעמעס, אַרייַנגערעכנט sikit-לערן פֿאַר מאַשין לערנען פּראַדזשעקס און TensorFlow פֿאַר קריייטינג און טריינינג נעוראַל נעטוואָרקס.
נאָך לייענען דעם בוך, מיר טראַכטן איר וועט זיין בעסער יקוויפּט צו דעלוו ווייַטער אין טיף לערנען און האַנדלען מיט פּראַקטיש פּראָבלעמס.
טעמעס באדעקט אין דעם בוך
- ונטערזוכן די לאַנדשאַפט פון מאַשין לערנען, ספּעציעל נעוראַל נעטוואָרקס
- שפּור אַ מוסטער מאַשין לערנען פּרויעקט פון אָנהייב צו מסקנא מיט Sikit-Learn.
- ונטערזוכן עטלעכע טריינינג מאָדעלס, אַזאַ ווי אַנסאַמבאַל טעקניקס, טראַפ פאָראַס, באַשלוס ביימער און שטיצן וועקטאָר מאשינען.
- שאַפֿן און באַן נעוראַל נעטוואָרקס דורך ניצן די TensorFlow ביבליאָטעק.
- באַטראַכטן קאַנוואַלושאַנאַל נעטוואָרקס, ריקעראַנט נעצן און טיף ריינפאָרסמאַנט לערנען בשעת יקספּלאָרינג נעוראַל נעץ דיזיין.
- לערנען ווי צו וואָג און באַן טיף נעוראַל נעטוואָרקס.
7. מאַשין לערנען פֿאַר כאַקערז
פֿאַר די סיזאַנד פּראָגראַמיסט אינטערעסירט אין דאַטן אַנאַליסיס, די בוך מאַשין לערנען פֿאַר כאַקערז איז געשריבן. כאַקערז זענען באָקע מאַטהעמאַטיקס אין דעם קאָנטעקסט.
פֿאַר עמעצער מיט אַ האַרט פארשטאנד פון ר, דאָס בוך איז אַ גרויס ברירה ווייַל די מערהייַט פון עס איז סענטערד אויף דאַטן אַנאַליסיס אין ר. אַדישנאַלי באדעקט אין דעם בוך איז ווי צו מאַניפּולירן דאַטן ניצן אַוואַנסירטע ר.
די ינקלוזשאַן פון פּערטינאַנט פאַל מעשיות עמפאַסייזיז די ווערט פון ניצן מאַשין לערנען אַלגערידאַמז קענען זיין די מערסט באַטייַטיק סעלינג פונט פון מאַשין לערנען פֿאַר כאַקערז.
דער בוך גיט פילע פאַקטיש-וועלט ביישפילן צו מאַכן לערנען מאַשין לערנען סימפּלער און פאַסטער אלא ווי דיפּער אין זיין מאַטאַמאַטיקאַל טעאָריע.
טעמעס באדעקט אין דעם בוך
- שאַפֿן אַ נאַיוו בייעסיאַן קלאַססיפיער וואָס אַנאַליזעס פשוט די אינהאַלט פון אַן E- בריוו צו באַשליסן צי עס איז ספּאַם.
- פּרידיקטינג די נומער פון בלאַט קוקן פֿאַר די שפּיץ 1,000 וועבסיטעס מיט לינעאַר ראַגרעשאַן
- ויספאָרשן אַפּטאַמאַזיישאַן מעטהאָדס דורך פּרווון צו פּלאַצן אַ פּשוט בריוו סיפער.
8. פּיטהאָן מאַשין לערנען מיט ביישפילן
דער בוך, וואָס העלפּס איר באַגרייַפן און שאַפֿן פאַרשידן מעטהאָדס פֿאַר מאַשין לערנען, טיף לערנען און דאַטאַ אַנאַליסיס, איז מיסטאָמע דער בלויז איינער וואָס פאָוקיסיז בלויז אויף פּיטהאָן ווי אַ פּראָגראַממינג שפּראַך.
עס קאָווערס עטלעכע שטאַרק לייברעריז פֿאַר ימפּלאַמענינג פאַרשידענע מאַשין לערנען אַלגערידאַמז, אַזאַ ווי Scikit-Learn. די Tensor Flow מאָדולע איז דערנאָך געניצט צו לערנען איר וועגן טיף לערנען.
צום סוף, עס דעמאַנסטרייץ די פילע אַפּערטונאַטיז פֿאַר דאַטן אַנאַליסיס וואָס קענען זיין אַטשיווד מיט מאַשין און טיף לערנען.
עס אויך לערנט איר די פילע טעקניקס וואָס קענען זיין יוטאַלייזד צו פאַרגרעסערן די יפעקטיוונאַס פון די מאָדעל איר מאַכן.
טעמעס באדעקט אין דעם בוך
- לערנען פּיטהאָן און מאַשין לערנען: אַ אָנהייבער ס גייד
- ונטערזוכן די 2 נוזגרופּס דאַטן שטעלן און נאַיוו Bayes ספּאַם E- בריוו דיטעקשאַן
- ניצן SVMs, קלאַסיפיצירן די טעמעס פון נייַעס דערציילונגען דריקט-דורך פאָרויסזאָגן ניצן אַלגערידאַמז באזירט אויף ביימער
- פּראָגנאָז פון גיט-דורך קורס מיט לאָגיסטיק ראַגרעשאַן
- די נוצן פון ראַגרעשאַן אַלגערידאַמז צו פאָרויסזאָגן די העכסטן סטאַנדאַרדס פון לאַגער פּרייסיז
9. פּיטהאָן מאַשין לערנען
די Python Machine Learning בוך דערקלערט די פאַנדאַמענטאַלז פון מאַשין לערנען און זיין באַטייַט אין די דיגיטאַל פעלד. עס איז אַ מאַשין לערנען בוך פֿאַר ביגינערז.
אַדישנאַלי קאַווערד אין דעם בוך זענען פילע סובפיעלדס און אַפּלאַקיישאַנז פֿאַר מאַשין לערנען. די פּרינסאַפּאַלז פון פּיטהאָן פּראָגראַממינג און ווי צו אָנהייבן מיט די פריי און אָפֿן-מקור פּראָגראַממינג שפּראַך זענען אויך באדעקט אין די פּיטהאָן מאַשין לערנען בוך.
נאָך ענדיקן די מאַשין לערנען בוך, איר קענען יפעקטיוולי פאַרלייגן אַ נומער פון מאַשין לערנען דזשאָבס מיט פּיטהאָן קאָודינג.
טעמעס באדעקט אין דעם בוך
- קינסטלעך סייכל פאַנדאַמענטאַלז
- אַ באַשלוס בוים
- לאָגיסטיק ראַגרעשאַן
- אין-טיפקייַט נעוראַל נעטוואָרקס
- פּיטהאָן פּראָגראַממינג שפּראַך פאַנדאַמענטאַלז
קסנומקס. מאַשין לערנען: אַ פּראָבאַביליסטיק פּערספּעקטיוו
מאַשין לערנען: א פּראָבאַביליסטיק פּערספּעקטיוו איז אַ שפּאַסיק מאַשין לערנען בוך וואָס פֿעיִקייטן פאַרבענקט קאָליר גראַפיקס און פּראַקטיש, פאַקטיש-וועלט ביישפילן פון דיסאַפּלאַנז אַזאַ ווי ביאָלאָגי, קאָמפּיוטער זעאונג, ראָובאַטיקס און טעקסט פּראַסעסינג.
עס איז פול פון גלייַכגילטיק פּראָזע און פּסעוודאָקאָדע פֿאַר יקערדיק אַלגערידאַמז. מאַשין לערנען: אַ פּראָבאַביליסטיק פּערספּעקטיוו, אין קאַנטראַסט צו אנדערע מאַשין לערנען אויסגאבעס וואָס זענען דערלאנגט אין די נוסח פון אַ קוקבוק און באַשרייַבן פאַרשידן כיוריסטיק אַפּראָוטשיז, פאָוקיסיז אויף אַ פּרינסיפּלעד מאָדעל-באזירט צוגאַנג.
עס ספּעציפיצירט מל מאָדעלס ניצן גראַפיקאַל רעפּראַזאַנטיישאַנז אין אַ קלאָר און פאַרשטיייק שטייגער. באַזירט אויף אַ יונאַפייד, פּראָבאַביליסטיק צוגאַנג, דעם לערנבוך גיט אַ פולשטענדיק און זיך-קאַנטיינד הקדמה צו דער געגנט פון מאַשין לערנען.
דער אינהאַלט איז ברייט און טיף, אַרייַנגערעכנט פונדאַמענטאַל הינטערגרונט מאַטעריאַל אויף טעמעס אַזאַ ווי מאַשמאָעס, אַפּטאַמאַזיישאַן און לינעאַר אַלגעבראַ, ווי געזונט ווי אַ דיסקוסיע פון הייַנטצייַטיק אַדוואַנטידזשיז אין דער געגנט אַזאַ ווי קאַנדישאַנאַל טראַפ פעלדער, L1 רעגוליזאַטיאָן און טיף לערנען.
דער בוך איז געשריבן אין אַ גלייַכגילטיק, אַפּראָוטשאַבאַל שפּראַך, מיט פּסעוודאָ-קאָד פֿאַר די הויפּט באַטייטיק אַלגערידאַמז.
טעמעס באדעקט אין דעם בוך
- מאַשמאָעס
- טיף לערנען
- ל 1 רעגיאַלעראַזיישאַן
- אַפּטאַמאַזיישאַן
- טעקסט פּראַסעסינג
- קאָמפּיוטער וויזשאַן אַפּלאַקיישאַנז
- ראָובאַטיקס אַפּלאַקיישאַנז
קסנומקס. די יסודות פון סטאַטיסטיש לערנען
פֿאַר זיין קאַנסעפּטשואַל פריימווערק און אַ ברייט פאַרשיידנקייַט פון סאַבדזשעקץ, דעם מאַשין לערנען לערנבוך איז אָפט יקנאַלידזשד אין דעם פעלד.
דער בוך קענען ווערן גענוצט ווי אַ רעפֿערענץ פֿאַר ווער עס יז וואָס דאַרף באַרשט זיך וועגן טעמעס ווי נעוראַל נעטוואָרקס און טעסטינג טעקניקס, ווי אויך אַ פּשוט הקדמה צו מאַשין לערנען.
דער בוך אַגרעסיוו פּושיז די לייענער צו טאָן זייער אייגענע יקספּעראַמאַנץ און ינוועסטאַגיישאַנז אין יעדער קער, וואָס מאכט עס ווערטפול פֿאַר קאַלטיווייטינג די אַבילאַטיז און נייַגעריקייַט פארלאנגט צו מאַכן פּערטינאַנט אַדוואַנטידזשיז אין אַ מאַשין לערנען קאַפּאַציטעט אָדער אַרבעט.
עס איז אַ וויכטיק געצייַג פֿאַר סטאַטיסטיש און ווער עס יז אינטערעסירט אין דאַטן מיינינג אין געשעפט אָדער וויסנשאַפֿט. מאַכן זיכער אַז איר פֿאַרשטיין לינעאַר אַלגעבראַ אין אַ מינימום איידער איר אָנהייב דעם בוך.
טעמעס באדעקט אין דעם בוך
- סופּערווייזד לערנען (פאָרויסזאָגן) צו אַנסופּערווייזד לערנען
- נעוראַל נעטוואָרקס
- שטיצן וועקטאָר מאשינען
- קלאַסאַפאַקיישאַן ביימער
- בוסטינג אַלגערידאַמז
קסנומקס. מוסטער דערקענונג און מאַשין לערנען
די וועלטן פון מוסטער דערקענונג און מאַשין לערנען קענען זיין ונ דורך יקספּלאָרד אין דעם בוך. די בייעסיאַן צוגאַנג צו מוסטער דערקענונג איז געווען ערידזשנאַלי דערלאנגט אין דעם ויסגאַבע.
דערצו, דער בוך יגזאַמאַנז טשאַלאַנדזשינג סאַבדזשעקץ וואָס דאַרפֿן אַ ארבעטן פארשטאנד פון מולטיוואַריאַט, דאַטן וויסנשאַפֿט און פונדאַמענטאַל לינעאַר אַלגעבראַ.
אויף מאַשין לערנען און מאַשמאָעס, די רעפֿערענץ בוך אָפפערס טשאַפּטערז מיט פּראַגרעסיוולי האַרדער לעוועלס פון קאַמפּלעקסיטי באזירט אויף טרענדס אין דאַטאַסעץ. פּשוט ביישפילן זענען געגעבן איידער אַ גענעראַל הקדמה צו מוסטער דערקענונג.
דער בוך אָפפערס טעקניקס פֿאַר דערנענטערנ ינפעראַנס, וואָס לאָזן שנעל אַפּראַקסאַמיישאַנז אין קאַסעס ווען פּינטלעך סאַלושאַנז זענען ימפּראַקטאַקאַל. עס זענען קיין אנדערע ביכער וואָס ניצן גראַפיקאַל מאָדעלס צו באַשרייַבן מאַשמאָעס דיסטריביושאַנז, אָבער עס טוט.
טעמעס באדעקט אין דעם בוך
- בייעסיאַן מעטהאָדס
- דערנענטערנ ינפעראַנס אַלגערידאַמז
- ניו מאָדעלס באזירט אויף קערנאַלז
- הקדמה צו יקערדיק מאַשמאָעס טעאָריע
- הקדמה צו מוסטער דערקענונג און מאַשין לערנען
קסנומקס. פונדאַמענטאַלס פון מאַשין לערנען פֿון פּרידיקטיוו דאַטאַ אַנאַליטיקס
אויב איר האָט מאַסטערד די פאַנדאַמענטאַלז פון מאַשין לערנען און איר ווילן צו פאָרזעצן צו פּרידיקטיוו דאַטן אַנאַליטיקס, דאָס איז דער בוך פֿאַר איר !!! דורך דערגייונג פּאַטערנז פון מאַסיוו דאַטאַסעץ, מאַשין לערנען קענען זיין געוויינט צו אַנטוויקלען פּראָגנאָז מאָדעלס.
דער בוך יגזאַמאַנז די ימפּלאַמענטיישאַן פון ML פּרידיקטיוו דאַטאַ אַנאַליטיקס אין-טיפעניש, אַרייַנגערעכנט ביידע טעאָרעטיש פּרינציפּן און פאַקטיש ביישפילן.
טראָץ דער פאַקט אַז דער טיטל "פונדאַמענטאַלס פון מאַשין לערנען פֿאַר פּרידיקטיוו דאַטאַ אַנאַליטיקס" איז אַ מאַוטפול, דאָס בוך וועט ויסשליסן די נסיעה פון פּרידיקטיוו דאַטאַ אַנאַליטיקס פון דאַטן צו ינסייט צו אַ מסקנא.
עס אויך דיסקאַסט פיר מאַשין לערנען אַפּראָוטשיז: אינפֿאָרמאַציע-באזירט לערנען, ענלעכקייט-באזירט לערנען, מאַשמאָעס-באזירט לערנען און טעות-באזירט לערנען, יעדער מיט אַ ניט-טעכניש קאַנסעפּטשואַל דערקלערונג נאכגעגאנגען דורך מאַטאַמאַטיקאַל מאָדעלס און אַלגערידאַמז מיט ביישפילן.
טעמעס באדעקט אין דעם בוך
- אינפֿאָרמאַציע-באזירט לערנען
- ענלעכקייט-באזירט לערנען
- מאַשמאָעס-באזירט לערנען
- טעות-באזירט לערנען
קסנומקס. אַפּפּליעד פּרידיקטיוו מאָדעלינג
אַפּפּליעד פּרידיקטיוו מאָדעלינג יגזאַמאַנז די גאנצע פּרידיקטיוו מאָדעלינג פּראָצעס, אָנהייב מיט די קריטיש פייזאַז פון דאַטן פּריפּראָסעססינג, דאַטן ספּליטינג און מאָדעל טונינג יסודות.
דערנאָך, די אַרבעט גיט קלאָר דיסקריפּשאַנז פון אַ פאַרשיידנקייַט פון קאַנווענשאַנאַל און פריש ראַגרעשאַן און קלאַסאַפאַקיישאַן אַפּראָוטשיז, מיט אַ פאָקוס אויף ווייַזן און סאַלווינג פאַקטיש-וועלט דאַטן טשאַלאַנדזשיז.
דער פירער דעמאַנסטרייץ אַלע אַספּעקץ פון די מאָדעלינג פּראָצעס מיט עטלעכע פאַקטיש-וועלט ביישפילן, און יעדער קאַפּיטל כולל פולשטענדיק R קאָד פֿאַר יעדער בינע פון דעם פּראָצעס.
דעם מאַלטיפּערפּאַס באַנד קענען ווערן גענוצט ווי אַ הקדמה צו פּרידיקטיוו מאָדעלס און די גאנצע מאָדעלינג פּראָצעס, ווי אַ רעפֿערענץ פירער פֿאַר פּראַקטישנערז, אָדער ווי אַ טעקסט פֿאַר אַוואַנסירטע ונדערגראַדואַטע אָדער גראַדזשאַוואַט פּרידיקטיוו מאָדעלינג קאָרסאַז.
טעמעס באדעקט אין דעם בוך
- רעגרעססיאָן טעכניק
- קלאַסאַפאַקיישאַן טעכניק
- קאָמפּלעקס מל אַלגערידאַמז
קסנומקס. מאַשין לערנען: די קונסט און וויסנשאַפֿט פון אַלגערידאַמז וואָס מאַכן זינען פון דאַטן
אויב איר זענט אַ ינטערמידייט אָדער מומחה אין מאַשין לערנען און ווילן צו גיין "צוריק צו די פאַנדאַמענטאַלז," דאָס בוך איז פֿאַר איר! עס פּייַס פול קרעדיט צו די ריזיק קאַמפּלעקסיטי און טיפקייַט פון Machine Learning און קיינמאָל פאַרלירן דערזען פון זיין יונאַפייינג פּרינסאַפּאַלז (גאַנץ אַ אַקאַמפּלישמאַנט!).
מאַשין לערנען: די קונסט און וויסנשאַפֿט פון אַלגערידאַמז אַרייַננעמען עטלעכע פאַל שטודיום פון ינקריסינג קאַמפּלעקסיטי, ווי געזונט ווי פילע ביישפילן און בילדער (צו האַלטן די טשיקאַווע!).
דער בוך אויך קאָווערס אַ ברייט קייט פון לאַדזשיקאַל, דזשיאַמעטריק און סטאַטיסטיש מאָדעלס, ווי געזונט ווי קאָמפּליצירט און ראָמאַן סאַבדזשעקץ ווי מאַטריץ פאַקטאָריזאַטיאָן און ROC אַנאַליסיס.
טעמעס באדעקט אין דעם בוך
- סימפּלאַפייז מאַשין לערנען אַלגערידאַמז
- לאַדזשיקאַל מאָדעל
- דזשיאַמעטריק מאָדעל
- סטאַטיסטיש מאָדעל
- ROC אַנאַליסיס
קסנומקס. דאַטאַ מינינג: פּראַקטיש מאַשין לערנען מכשירים & טעקניקס
ניצן אַפּראָוטשיז פון די לערנען פון דאַטאַבייס סיסטעמען, מאַשין לערנען און סטאַטיסטיק, דאַטן מיינינג טעקניקס געבן אונדז צו געפֿינען פּאַטערנז אין וואַסט אַמאַונץ פון דאַטן.
איר זאָל באַקומען דעם בוך דאַטאַ מינינג: פּראַקטיש מאַשין לערנען מכשירים און טעקניקס אויב איר דאַרפֿן צו לערנען דאַטן מיינינג טעקניקס אין באַזונדער אָדער פּלאַן צו לערנען מאַשין לערנען אין אַלגעמיין.
דער בעסטער בוך פֿאַר מאַשין לערנען קאַנסאַנטרייץ מער אויף זיין טעכניש זייַט. עס דעלוווז ווייַטער אין די טעכניש ינטראַקאַסיז פון מאַשין לערנען און סטראַטעגיעס פֿאַר זאַמלונג דאַטן און ניצן פאַרשידן ינפּוץ און אַוטפּוץ צו ריכטער אַוטקאַמז.
טעמעס באדעקט אין דעם בוך
- לינעאַר מאָדעלס
- Clustering
- סטאַטיסטיש מאָדעלינג
- פּרידיקטינג פאָרשטעלונג
- קאַמפּערינג דאַטן מיינינג מעטהאָדס
- ינסטאַנסיז-באזירט לערנען
- וויסן פאַרטרעטונג & קלאַסטערז
- טראַדיציאָנעל און מאָדערן דאַטן מיינינג טעקניקס
קסנומקס. פּיטהאָן פֿאַר דאַטאַ אַנאַליסיס
די פיייקייט צו אָפּשאַצן די דאַטן געניצט אין מאַשין לערנען איז די מערסט וויכטיק סקילז וואָס אַ דאַטן געלערנטער מוזן פאַרמאָגן. איידער איר אַנטוויקלען אַ ML מאָדעל וואָס טראגט אַ פּינטלעך פאָרויסזאָגן, די מערהייט פון דיין אַרבעט וועט אַרייַננעמען האַנדלינג, פּראַסעסינג, רייניקונג און אַססעססינג דאַטן.
איר דאַרפֿן צו זיין באַקאַנט מיט פּראָגראַממינג שפראַכן ווי Pandas, NumPy, Ipython און אנדערע אין סדר צו ויספירן דאַטן אַנאַליסיס.
אויב איר ווילן צו אַרבעטן אין דאַטן וויסנשאַפֿט אָדער מאַשין לערנען, איר מוזן האָבן די פיייקייט צו מאַניפּולירן דאַטן.
איר זאָל באשטימט לייענען דעם בוך Python פֿאַר דאַטאַ אַנאַליסיס אין דעם פאַל.
טעמעס באדעקט אין דעם בוך
- יקערדיק Python Libraries
- אַוואַנסירטע פּאַנדאַס
- דאַטאַ אַנאַליסיס ביישפילן
- דאַטאַ רייניקונג און צוגרייטונג
- מאַטאַמאַטיקאַל און סטאַטיסטיש מעטהאָדס
- סאַמערייזינג און קאַמפּיוטינג דיסקריפּטיוו סטאַטיסטיק
קסנומקס. פּראַסעסינג פון נאַטירלעך שפּראַך מיט פּיטהאָן
דער יסוד פון מאַשין לערנען סיסטעמען איז נאַטירלעך שפּראַך פּראַסעסינג.
דער בוך נאַטוראַל שפּראַך פּראַסעסינג מיט פּיטהאָן דערציילט איר ווי צו נוצן NLTK, אַ פאָלקס זאַמלונג פון פּיטהאָן מאַדזשולז און מכשירים פֿאַר סימבאָליש און סטאַטיסטיש נאַטירלעך שפּראַך פּראַסעסינג פֿאַר ענגליש און NLP אין אַלגעמיין.
די נאַטוראַל שפּראַך פּראַסעסינג מיט פּיטהאָן בוך גיט עפעקטיוו פּיטהאָן רוטינז וואָס באַווייַזן NLP אין אַ קאַנסייס, קלאָר ווי דער טאָג וועג.
לייענער האָבן צוטריט צו געזונט-אַננאָטייטיד דאַטאַסעץ פֿאַר דילינג מיט אַנסטראַקטשערד דאַטן, טעקסט-לינגגוויסטיק סטרוקטור און אנדערע NLP-פאָוקיסט עלעמענטן.
טעמעס באדעקט אין דעם בוך
- ווי פונקציאָנירן מענטש שפּראַך?
- לינגוויסטיק דאַטן סטראַקטשערז
- Natural Language Toolkit (NLTK)
- פּאַרסינג און סעמאַנטיק אַנאַליסיס
- פאָלקס לינגגוויסטיק דאַטאַבייסיז
- ויסשטימען טעקניקס פון קינסטלעך סייכל און לינגוויסטיק
קסנומקס. פּראָגראַממינג קאָלעקטיוו ינטעלליגענסע
די פּראָגראַממינג קאָלעקטיוו ינטעלליגענסע דורך טאָבי סעגאַראַן, וואָס איז גערעכנט ווי איינער פון די גרעסטע ביכער צו אָנהייבן פֿאַרשטיין מאַשין לערנען, איז געווען געשריבן אין 2007, יאָרן איידער דאַטן וויסנשאַפֿט און מאַשין לערנען אַטשיווד זייער קראַנט שטעלע ווי לידינג פאַכמאַן פּאַטס.
דער בוך ניצט Python ווי דער אופֿן פֿאַר דיסעמאַניישאַן פון זיין עקספּערטיז צו זיין וילעם. די פּראָגראַממינג קאָלעקטיוו ינטעלליגענסע איז מער אַ מאַנואַל פֿאַר ML ימפּלאַמענטיישאַן ווי עס איז אַ הקדמה צו מאַשין לערנען.
דער בוך גיט אינפֿאָרמאַציע אויף דעוועלאָפּינג עפעקטיוו ML אַלגערידאַמז פֿאַר קאַלעקטינג דאַטן פון אַפּפּס, פּראָגראַממינג צו באַקומען דאַטן פון וועבסיטעס און עקסטראַפּאָלאַטינג די געזאמלט דאַטן.
יעדער קאַפּיטל כולל אַקטיוויטעטן פֿאַר יקספּאַנדינג די דיסקאַסט אַלגערידאַמז און ענכאַנסינג זייער נוציקייט.
טעמעס באדעקט אין דעם בוך
- בייעסיאַן פֿילטרירונג
- שטיצן וועקטאָר מאשינען
- זוכן מאָטאָר אַלגערידאַמז
- וועגן צו מאַכן פֿאָרויסזאָגן
- קאַלאַבערייטיוו פֿילטרירונג טעקניקס
- ניט-נעגאַטיוו מאַטריץ פאַקטאָריזאַטיאָן
- יוואַלווינג סייכל פֿאַר פּראָבלעם סאַלווינג
- מעטהאָדס פֿאַר דיטעקטינג גרופּעס אָדער פּאַטערנז
קסנומקס. טיף לערנען (אַדאַפּטאַטיוו קאַמפּיוטיישאַן און מאַשין לערנען סעריע)
ווי מיר אַלע וויסן, טיף לערנען איז אַ ימפּרוווד סאָרט פון מאַשין לערנען וואָס ינייבאַלז קאָמפּיוטערס צו לערנען פון פאַרגאַנגענהייט פאָרשטעלונג און אַ גרויס סומע פון דאַטן.
בשעת ניצן מאַשין לערנען טעקניקס, איר דאַרפֿן אויך זיין באַקאַנט מיט די פּרינסאַפּאַלז פון טיף לערנען. דער בוך, וואָס איז גערעכנט ווי די ביבל פון טיף לערנען, וועט זיין זייער נוציק אין דעם ומשטאַנד.
דריי טיף לערנען עקספּערץ דעקן העכסט קאָמפּליצירט טעמעס וואָס זענען אָנגעפילט מיט מאטעמאטיק און טיף גענעראַטיווע מאָדעלס אין דעם בוך.
פּראַוויידינג אַ מאַטאַמאַטיקאַל און קאַנסעפּטשואַל יקער, די אַרבעט דיסקאַסט פּערטינאַנט געדאנקען אין לינעאַר אַלגעבראַ, מאַשמאָעס טעאָריע, אינפֿאָרמאַציע טעאָריע, נומעריקאַל קאַמפּיאַטיישאַן און מאַשין לערנען.
עס יגזאַמאַנז אַפּלאַקיישאַנז ווי נאַטירלעך שפּראַך פּראַסעסינג, רעדע דערקענונג, קאָמפּיוטער זעאונג, אָנליין רעקאָמענדאַציע סיסטעמען, ביאָינפאָרמאַטיקס און ווידעא שפּילערייַ און דיסקרייבז טיף לערנען טעקניקס געניצט דורך ינדאַסטרי פּראַקטישנערז, אַזאַ ווי טיף פיטערפאָרווערד נעטוואָרקס, רעגולאַריזאַטיאָן און אַפּטאַמאַזיישאַן אַלגערידאַמז, קאַנוואַלושאַנאַל נעטוואָרקס און פּראַקטיש מעטאַדאַלאַדזשי. .
טעמעס באדעקט אין דעם בוך
- נומעריקאַל קאַמפּיאַטיישאַן
- טיף לערנען פאָרשונג
- קאָמפּיוטער זעאונג טעקניקס
- טיף פעעדפאָרווערד נעטוואָרקס
- אָפּטימיזאַטיאָן פֿאַר טראַינינג טיף מאָדעלס
- פּראַקטיש מעטאַדאַלאַדזשי
- טיף לערנען פאָרשונג
סאָף
די 20 שפּיץ מאַשין לערנען ביכער זענען סאַמערייזד אין דער רשימה, וואָס איר קענען נוצן צו פּראָגרעס מאַשין לערנען אין דער ריכטונג איר ווי.
איר וועט קענען צו אַנטוויקלען אַ האַרט יסוד אין מאַשין לערנען עקספּערטיז און אַ רעפֿערענץ ביבליאָטעק וואָס איר קענען אָפט נוצן ווען איר אַרבעט אין דער געגנט אויב איר לייענען אַ פאַרשיידנקייַט פון די טעקסטבוקס.
איר וועט זיין ינספּייערד צו האַלטן לערנען, באַקומען בעסער און האָבן אַ ווירקונג אפילו אויב איר נאָר לייענען איין בוך.
ווען איר זענט צוגעגרייט און קאָמפּעטענט צו אַנטוויקלען דיין אייגענע אַלגערידאַמז פֿאַר מאַשין לערנען, האַלטן אין זינען אַז דאַטן זענען וויטאַל יקערדיק פֿאַר די הצלחה פון דיין פּרויעקט.
לאָזן אַ ענטפֿערן