![[Recenzja] Machine Learning Pocket Reference (Matt Harrison) Streszczenie.](https://episodes.castos.com/660078c6833215-59505987/images/2560573/c1a-085k3-pk8w0kmma15p-awsagt.jpg)
Show Notes
Machine Learning Pocket Reference (Matt Harrison)
- Amazon Poland Store: https://www.amazon.pl/dp/1492047546?tag=9natreepoland-21
- Amazon Worldwide Store: https://global.buys.trade/Machine-Learning-Pocket-Reference-Matt-Harrison.html
- Apple Books: https://books.apple.com/us/audiobook/linux-the-quick-start-beginners-guide-unabridged/id1164191831?itsct=books_box_link&itscg=30200&ls=1&at=1001l3bAw&ct=9natree
- eBay: https://www.ebay.com/sch/i.html?_nkw=Machine+Learning+Pocket+Reference+Matt+Harrison+&mkcid=1&mkrid=711-53200-19255-0&siteid=0&campid=5339060787&customid=9natree&toolid=10001&mkevt=1
- Czytaj więcej: https://polish.9natree.com/read/1492047546/
#klasyfikacjanazbiorzeTitanic #przetwarzaniedanychstrukturalnych #selekcjacech #metrykiregresjiiklasyfikacji #pipeline’yscikitlearn #MachineLearningPocketReference
Machine Learning Pocket Reference: Working with Structured Data in Python Matta Harrisona to zwięzły, praktyczny przewodnik po uczeniu maszynowym dla danych tabelarycznych i innych danych o uporządkowanej strukturze. Książka, wydana przez O’Reilly w 2019 roku, nie ma zastępować pełnego kursu ani wprowadzać czytelnika od podstaw w składnię Pythona. Jej celem jest raczej uporządkowanie typowego procesu budowy modeli za pomocą popularnych bibliotek, przede wszystkim ekosystemu pandas i scikit-learn. Harrison prowadzi przez etapy od czyszczenia zbioru i eksploracji danych, przez przygotowanie cech oraz dobór modelu, po ocenę klasyfikacji, regresji i metod nienadzorowanych. Przykłady, tabele i fragmenty kodu są podporządkowane pracy nad realnym problemem, a nie formalnej teorii. Tytuł najlepiej rozumieć jako podręczny punkt odniesienia dla osoby, która zna już podstawy Pythona i chce sprawniej podejmować techniczne decyzje podczas pracy z danymi strukturalnymi.
- Amazon Poland Store: https://www.amazon.pl/dp/1492047546?tag=9natreepoland-21
- Amazon Worldwide Store: https://global.buys.trade/Machine-Learning-Pocket-Reference-Matt-Harrison.html
- Apple Books: https://books.apple.com/us/audiobook/linux-the-quick-start-beginners-guide-unabridged/id1164191831?itsct=books_box_link&itscg=30200&ls=1&at=1001l3bAw&ct=9natree
- eBay: https://www.ebay.com/sch/i.html?_nkw=Machine+Learning+Pocket+Reference+Matt+Harrison+&mkcid=1&mkrid=711-53200-19255-0&siteid=0&campid=5339060787&customid=9natree&toolid=10001&mkevt=1
- Czytaj więcej: https://polish.9natree.com/read/1492047546/
#klasyfikacjanazbiorzeTitanic #przetwarzaniedanychstrukturalnych #selekcjacech #metrykiregresjiiklasyfikacji #pipeline’yscikitlearn #MachineLearningPocketReference
Machine Learning Pocket Reference: Working with Structured Data in Python Matta Harrisona to zwięzły, praktyczny przewodnik po uczeniu maszynowym dla danych tabelarycznych i innych danych o uporządkowanej strukturze. Książka, wydana przez O’Reilly w 2019 roku, nie ma zastępować pełnego kursu ani wprowadzać czytelnika od podstaw w składnię Pythona. Jej celem jest raczej uporządkowanie typowego procesu budowy modeli za pomocą popularnych bibliotek, przede wszystkim ekosystemu pandas i scikit-learn. Harrison prowadzi przez etapy od czyszczenia zbioru i eksploracji danych, przez przygotowanie cech oraz dobór modelu, po ocenę klasyfikacji, regresji i metod nienadzorowanych. Przykłady, tabele i fragmenty kodu są podporządkowane pracy nad realnym problemem, a nie formalnej teorii. Tytuł najlepiej rozumieć jako podręczny punkt odniesienia dla osoby, która zna już podstawy Pythona i chce sprawniej podejmować techniczne decyzje podczas pracy z danymi strukturalnymi.
