Машинное обучение с использованием Python. Сборник рецептов: Практические решения от предобработки до глубокого обучения

Это практическое руководство по машинному обучению на Python, содержащее около 200 готовых решений типовых задач. Книга охватывает полный цикл работы с данными — от их загрузки и предобработки до построения сложных моделей глубокого обучения.

Второе издание полностью обновлено и дополнено разделами по глубокому обучению, работе с тензорами и использованию фреймворка PyTorch. Рассмотрены ключевые библиотеки Python для ML: pandas, scikit-learn, NumPy и другие. Каждый рецепт содержит готовый код, который можно сразу применять в своих проектах.

Основные темы включают: работу с векторами, матрицами и массивами в NumPy; загрузку данных из CSV, JSON, SQL и облачных хранилищ; обработку текстов, изображений и временных рядов; методы уменьшения размерности и отбора признаков; оценку и выбор моделей; линейную и логистическую регрессию, деревья решений, случайные леса, метод k-ближайших соседей; опорно-векторные машины (SVM), наивный байесовский классификатор, кластеризацию; построение, обучение и сохранение нейронных сетей.