Applied Machine Learning with Python, Pandas, and Neural Networks

ไขความกระจ่างเกี่ยวกับอัลกอริทึมและคณิตศาสตร์เบื้องหลังปัญญาประดิษฐ์สมัยใหม่โดยไม่หลงไปกับศัพท์วิชาการ คู่มือที่เน้นข้อความนี้จะมอบเส้นทางที่ชัดเจนทีละขั้นตอนเพื่อทำความเข้าใจว่าเครื่องจักรเรียนรู้จากข้อมูลได้อย่างไร คุณจะเปลี่ยนจากการเขียนสคริปต์ Python พื้นฐานไปสู่การพัฒนา ประเมิน และปรับแต่งโมเดลคาดการณ์ของคุณเอง ด้วยการอ่านคำอธิบายที่มีโครงสร้างและการวิเคราะห์สแนปเป็ตโค้ดที่พร้อมใช้งานจริง คุณจะได้รับความมั่นใจในการแก้ปัญหาการคาดการณ์ การจำแนกประเภท และการวิเคราะห์ข้อมูลในโลกแห่งความเป็นจริง สิ่งที่คุณจะได้เรียนรู้: - เข้าใจหลักการทางคณิตศาสตร์และแนวคิดพื้นฐานของการเรียนรู้ของเครื่องแบบมีผู้สอน - ทำความสะอาด จัดการ และวิเคราะห์ชุดข้อมูลที่ซับซ้อนโดยใช้ Pandas และเวิร์กโฟลว์การประมวลผลข้อมูลสมัยใหม่ - สร้างและปรับแต่งโมเดลการถดถอยและการจำแนกประเภทแบบคลาสสิกโดยใช้ Scikit-Learn - ใช้เทคนิค Ensemble ขั้นสูง รวมถึง Random Forests และ Gradient-Boosted Decision Trees กับ XGBoost - สร้างโครงข่ายประสาทเทียมพื้นฐานโดยใช้ Keras เพื่อแก้ปัญหาที่ไม่เป็นเชิงเส้น - ใช้เทคนิคการประเมินโมเดลและไปป์ไลน์ที่ทันสมัยเพื่อหลีกเลี่ยง Overfitting และรับประกันประสิทธิภาพที่แข็งแกร่ง หลักสูตรเริ่มต้นด้วยคำศัพท์พื้นฐานของการเรียนรู้ของเครื่องและการตั้งค่าไลบรารี Python ที่จำเป็นก่อนที่จะดำเนินการอย่างเป็นระบบผ่านโมเดลเชิงเส้น อัลกอริทึมแบบต้นไม้ และพื้นฐานการเรียนรู้เชิงลึก ทุกแนวคิดจะได้รับการเสริมด้วยคำอธิบายที่เป็นลายลักษณ์อักษรที่ชัดเจนและการนำโค้ดไปใช้จริงที่คุณสามารถปรับใช้กับโครงการของคุณเองได้ ออกแบบมาสำหรับผู้เริ่มต้นโดยเฉพาะ หลักสูตรนี้ไม่จำเป็นต้องมีประสบการณ์การเรียนรู้ของเครื่องมาก่อน แม้ว่าความคุ้นเคยพื้นฐานกับการเขียนโปรแกรม Python จะช่วยให้คุณได้รับประโยชน์สูงสุดจากเนื้อหา เริ่มต้นการเดินทางของคุณสู่โลกแห่งวิทยาศาสตร์ข้อมูลและสร้างรากฐานการเรียนรู้ของเครื่องของคุณวันนี้