Introduction au Machine Learning avec Python : Un guide pour les data scientists

L’apprentissage automatique fait désormais partie intégrante de nombreuses applications commerciales et de projets de recherche, mais ce domaine n’est pas réservé aux grandes entreprises dotées d’importantes équipes de recherche. Si vous utilisez Python, même en tant que débutant, ce livre vous apprendra des méthodes pratiques pour créer vos propres solutions d’apprentissage automatique. Avec toutes les données disponibles aujourd’hui, les applications d’apprentissage automatique ne sont limitées que par votre imagination.

Vous apprendrez les étapes nécessaires pour créer une application d’apprentissage automatique réussie avec Python et la bibliothèque scikit-learn. Les auteurs Andreas Müller et Sarah Guido se concentrent sur les aspects pratiques de l’utilisation des algorithmes d’apprentissage automatique, plutôt que sur les mathématiques qui les sous-tendent. Une familiarité avec les bibliothèques NumPy et matplotlib vous aidera à tirer encore plus de profit de ce livre.

Avec ce livre, vous apprendrez :

Les concepts fondamentaux et les applications de l’apprentissage automatique Les avantages et les inconvénients des algorithmes d’apprentissage automatique couramment utilisés Comment représenter les données traitées par l’apprentissage automatique, y compris les aspects des données sur lesquels se concentrer Les méthodes avancées d’évaluation de modèles et de réglage de paramètres Le concept de pipelines pour enchaîner les modèles et encapsuler votre flux de travail Les méthodes pour travailler avec des données textuelles, y compris les techniques de traitement spécifiques au texte Des suggestions pour améliorer vos compétences en apprentissage automatique et en science des données