Машинное обучение с малым объемом кодирования
Эта книга представляет собой практическое введение в машинное обучение, ориентированное на проекты и требующее минимальных навыков программирования. Авторы подробно рассматривают три подхода: автоматизированное машинное обучение (AutoML) без написания кода, использование BigQuery ML с малым объемом кода и создание пользовательских моделей с помощью библиотек scikit-learn и Keras на Python.
Книга построена на реальных бизнес-кейсах, таких как прогнозирование продаж, анализ оттока клиентов и другие популярные задачи. Читатели шаг за шагом проходят весь рабочий процесс машинного обучения — от постановки бизнес-цели и сбора данных до предварительной обработки, анализа, обучения, оценки и тестирования моделей.
Издание идеально подходит для студентов, начинающих ML-инженеров и аналитиков данных, которые хотят быстро приступить к решению практических задач, не углубляясь в сложные теоретические аспекты. Для работы с книгой не требуются глубокие предварительные знания в ML или программировании, хотя базовые навыки будут полезны.
В книге также рассматриваются специализированные библиотеки, фреймворки ML, репозиторий GitHub и другие инструменты, которые описываются по мере необходимости для решения конкретных задач. Это делает материал максимально прикладным и доступным для широкого круга читателей.
