Sách khoa học dữ liệu với các kỹ thuật học máy - cơ bản ( STK)

[{"t":"nhà phát hành : Công Ty TNHH Thương Mại STK\nnhà xuất bản : thanh niên \nnăm : 2024\ntrang : 425\ntác giả : nhiều tác giả \n\nKHOA HỌC DỮ\nLIỆU VỚI CÁC KỸ THUẬT HỌC MÁY (CƠ BẢN)\nKhoa học dữ liệu với các kỹ thuật học máy (Cơ bản) là cuốn sách giới thiệu nhanh về các\nthành phần thiết yếu của ngôn ngữ Python dành cho các nhà nghiên cứu và nhà\nphát triển phân tích dữ liệu, học máy và học sâu. Nền tảng học máy vững chắc\nđược trình bày bởi chuyên gia. Toàn bộ vòng đời phát\ntriển học máy được áp dụng cho các dự án cấp doanh nghiệp. Bao gồm mã hóa\nPython, điện toán khoa học, thuật toán tối ưu hóa, AI có thể giải thích và các\nphương pháp tiên tiến hướng đến sự đơn giản, khả năng mở rộng, khả năng tái sử\ndụng, khả năng nhân rộng, triển khai nhanh và bảo trì dễ dàng. Từ làm sạch dữ\nliệu đến thiết kế mô hình, thử nghiệm và lựa chọn tính năng, cho đến những hình\nảnh trực quan tuyệt vời dễ dàng cho các bên liên quan và người ra quyết định.\nTùy thuộc vào nền tảng và sở thích của sinh viên, các chủ đề có thể bao gồm dữ\nliệu tăng cường, mô hình tổng quát và hỗn hợp, dữ liệu lớn, mạng thần kinh sâu,\nxử lý hình ảnh, học máy trong GPU, mô hình đồ thị, khớp đường cong và hình\ndạng, tạo phân loại (NLP)…. Nhiều phương pháp hồi quy bao gồm logistic hoặc\nLasso được thống nhất và trình bày dưới cùng một phương pháp.\n\n\n            Nội dung sách KHOA HỌC DỮ LIỆU VỚI CÁC KỸ THUẬT HỌC MÁY (CƠ BẢN)\ntrình bày\nqua 424 trang khổ 16 x 24 cm gồm 3 phần:\n\n\n\n·        \nPhần 1: Giới thiệu tổng quan về AI, Học máy và Học sâu.\n\n\n\n·        \nPhần 2: Giới thiệu và hướng dẫn sử dụng các thư viện chuyên dùng\nnhư Numpy, Pandas,  Scipy, TensorFlow…\n\n\n\n·        \nPhần 3: Giới thiệu học máy qua các chủ đề chính sau:\n\n\n\n\tPhần 3 là trọng tâïm cuốn sách này, hướng dẫn về ứng dụng\nhọc máy với Python. Bạn sẽ khám phá quy trình từng bước để bắt đầu và thành\nthạo về học máy để lập mô hình dự đoán với hệ sinh thái Python. Nôi dung sách trình bày tập trung vào một lĩnh vực\ncon cụ thể của học máy được gọi là mô hình dự đoán. Đây là lĩnh vực học máy hữu\ních nhất trong công nghiệp và là loại học máy mà thư viện Scikit-learn trong Python có khả năng hỗ trợ vượt trội. \n\n\n\tTrong thống kê, các mô hình được được\nsử dụng để hiểu dữ liệu. Ngược lại, mô hình dự đoán là tập trung vào việc phát\ntriển các mô hình tạo ra những dự đoán chính xác nhất, nhưng lại phải trả giá\nbằng việc giải thích lý do đưa ra những dự đoán đó. Khác với lĩnh vực học máy\nrộng hơn, có thể được sử dụng một cách khả thi với dữ liệu ở bất kỳ định dạng\nnào, việc lập mô hình dự đoán chủ yếu tập trung vào dữ liệu dạng bảng. \n\n\n\tPhần học máy này được soạn\ntheo 3 chủ đề, các chủ đề này được thiết kế để giúp bạn bắt đầu và sử dụng\nPython cho học máy qua ứng dụng một cách hiệu quả và nhanh chóng. Ba chủ đề này\nbao gồm:\nBài học: Tìm hiểu cách các nhiệm vụ phụ của dự\nán học máy ánh xạ vào Python và cách thực hành tốt nhất để thực hiện từng nhiệm\nvụ, Dự án: Liên kết tất cả kiến thức trong bài học bằng cách làm\nviệc thông qua các bài tập mô hình hóa dự đoán tình huống.\n\n\n\n·        Bài tập: Áp dụng công nghệ học máy với một loạt\ncác bài tập độc lập bằng Python mà có thể sao chép và dán làm điểm khởi đầu cho\ncác dự án mới.\n\n"}]