Machine Learning with Python Cookbook: Practical Solutions from Preprocessing to Deep Learning

Это практическое руководство, построенное в формате рецептов, предлагает готовые решения для широкого круга задач машинного обучения — от предобработки данных до глубокого обучения. Второе издание книги было полностью обновлено с учетом современных библиотек и подходов, включая работу с большими данными и облачными сервисами.

Книга охватывает все ключевые этапы рабочего процесса ML: загрузку и очистку данных, работу с числовыми и категориальными признаками, выбор и оценку моделей, а также методы ансамблирования и глубокое обучение. Каждый рецепт содержит конкретный код на Python с пояснениями, что позволяет быстро применять решения на практике.

Авторы, Кайл Галлатин и Крис Албон, делятся проверенными подходами и лучшими практиками, основанными на реальном опыте. Книга будет полезна как начинающим специалистам по данным, так и опытным инженерам, желающим расширить свой арсенал инструментов.

Особое внимание уделяется современным библиотекам, таким как NumPy, Pandas, Scikit-learn, PyTorch и другим. Читатели научатся эффективно использовать эти инструменты для решения задач классификации, регрессии, кластеризации и обработки естественного языка.

Это не просто справочник, а настольная книга, к которой можно возвращаться снова и снова, находя быстрые и эффективные ответы на возникающие вопросы в области машинного обучения.