本书由数据科学专家撰写，旨在帮助读者理解并应用机器学习。从编程语言如Python和R开始，深入浅出地讲解机器学习的基础数学，到使用RStudio和Anaconda进行实战编码，再到智能和大数据的学习，覆盖了机器学习的全过程。适合任何希望掌握机器学习技能的初学者。
Machine Learning For Dummies
本书介绍
机器学习对于大众来说是一个令人难以置信的概念，但是那些身处计算机编程的战壕中的人知道机器学习、欺诈检测、网络搜索结果、网页上的实时广告、信用评分、自动化和电子邮件垃圾邮件过滤是不可能的，而这只是展示了它的一些能力。由两位数据科学专家编写的机器学习。为任何想要使用机器学习来完成实际任务的人提供一个非常需要的切入点。
涵盖入门级的主题，让您熟悉机器学习的基本概念，本指南可以帮助您快速理解基于机器学习的任务所需的编程语言和工具。无论您是被机器学习背后的数学问题所困扰，还是担心被预处理数据所困扰--或者两者之间的任何问题--本指南使您更容易理解和无缝地实现机器学习。
掌握日常活动是如何由机器学习推动的。学会“说”某些语言，如python和r，教机器执行面向模式的任务和数据分析。学习使用r studior编写代码。了解如何使用anaconda在python中编码。
深入了解这个完整的初学者指南，这样你就能掌握所有你需要了解的机器学习知识了！
目录
Part 1 Introducing How Machines Learn
Chapter 1 Getting the Real Story about AI
Chapter 2 Learning in the Age of Big Data
Chapter 3 Having a Glance at the Future
Part 2 Preparing Your Learning Tools
Chapter 4 Installing an R Distribution
Chapter 5 Coding in R Using RStudio
Chapter 6 Installing a Python Distribution
Chapter 7 Coding in Python Using Anaconda
Chapter 8 Exploring Other Machine Learning Tools
Part 3 Getting Started with the Math Basics
Chapter 09 Demystifying the Math Behind Machine Learning
Chapter 10 Descending the Right Curve
Chapter 11 Validating Machine Learning
Chapter 12 Starting with Simple Learners
Part 4 Learning from Smart and Big Data
Chapter 13 Preprocessing Data
Chapter 14 Leveraging Similarity
Chapter 15 Working with Linear Models the Easy Way
Chapter 16 Hitting Complexity with Neural Networks
Chapter 17 Going a Step beyond Using Support Vector Machines
Chapter 18 Resorting to Ensembles of Learners
Part 5 Applying Learning to Real Problems
Chapter 19 Classifying Images
Chapter 20 Scoring Opinions and Sentiments
Chapter 21 Recommending Products and Movies
Part 6 The Part of Tens
Chapter 22 Ten Machine Learning Packages to Master
Chapter 23 Ten Ways to Improve Your Machine Learning Models
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
