Ten praktyczny przewodnik pozwoli osiągnąć biegłość w wykorzystywaniu uczenia maszynowego w codziennej pracy. Autor, Matthew Kirk, bez akademickich rozważań pokazuje, jak jednoczyć i testować algorytmy uczenia maszynowego w swoim kodzie.Książka pokazuje wykorzystanie testów z wykorzystaniem bibliotek naukowych NumPy, Pandas, Scikit-Learn i SciPy dla języka Python, ilustrując je licznymi wykresami oraz przykładami kodu.
Książka ta pomoże programistom i analitykom biznesowym zainteresowanym badaniem informacji w:Zapoznaniu się z rzeczywistymi przykładami testowania poszczególnych algorytmów poprzez zajmujące ćwiczenia funkcjonalne.użytkowaniu programowania sterowanego testami do pisania i uruchamiania testów przed rozpoczęciem kodowania.Badaniu technik udoskonalających nasze modele uczenia maszynowego przez wydobywanie danych i opracowywanie funkcjonalności.Zwracaniu uwagi na ryzyka związane z uczeniem maszynowym takie jak niedopasowanie informacji.Pracy z algorytmem K najbliższych sąsiadów, sieciami neuronowymi, klastrami i innymi technikami.Matthew Kirk jest konsultantem, autorem i międzynarodowym prelegentem, specjalizującym się w uczeniu maszynowym i analizie danych z zastosowaniem języków Ruby i Python.
Mieszka w Seattle i lubi pomagać innym programistom w integrowaniu analizy informacji ze wykorzystywanymi przez nich technologiami. Więcej zasobów dotyczących uczenia maszynowego można znaleźć pod adresem www.matthewkirk.com.