作者利用他們豐富的經驗,幫助你提出十分有用的問題,從無到有地完成你的生產項目。書中展示了利用簡單的查詢、聚合和可視化方法可以做些什麼,並且講述了不可或缺的誤差分析方法來幫助你避免做出錯誤結論。全書涵蓋了主要的機器學習方法,比如線性回歸、隨機森林、分類、聚類以及貝葉斯推斷,這些能夠幫助你在面對實際問題時選擇正確的算法。本書後面關於硬件、架構、分布式繫統的章節對如何在生產環境中優化性能提供了非常寶貴的參考。
通過學習本書,你將能夠:
? 利用敏捷原則縮小項目範圍,保持高效開發。
? 從實用Python代碼示例中學習。
? 從簡單的啟發式方法開始,並隨著數據管道的成熟而改進它們。
本書可作為數據科學與機器學習速成課程的參考教材,面向需要在生產環境中解決實際問題的技術人員。兩位作者展示了如何快速交付重要的生產價值,如何持續極大化投資回報率,避免使用被過度誇大的工具和不必要的復雜性,利用極簡單、低風險的方法來達成目的。
作者利用他們豐富的經驗,幫助你提出十分有用的問題,從無到有地完成你的生產項目。書中展示了利用簡單的查詢、聚合和可視化方法可以做些什麼,並且講述了不可或缺的誤差分析方法來幫助你避免做出錯誤結論。全書涵蓋了主要的機器學習方法,比如線性回歸、隨機森林、分類、聚類以及貝葉斯推斷,這些能夠幫助你在面對實際問題時選擇正確的算法。本書後面關於硬件、架構、分布式繫統的章節對如何在生產環境中優化性能提供了非常寶貴的參考。
通過學習本書,你將能夠:
? 利用敏捷原則縮小項目範圍,保持高效開發。
? 從實用Python代碼示例中學習。
? 從簡單的啟發式方法開始,並隨著數據管道的成熟而改進它們。
? 利用基本的數據可視化技巧來表達你的結果。
? 精通主要的機器學習方法,包括線性回歸、隨機森林、分類、聚類與過擬合。
? 學習圖模型與貝葉斯推斷的基礎。
? 理解機器學習模型中的相關性與因果性。