Машинное обучение стало неотъемлемой частью различных коммерческих и исследовательских проектов, однако эта область не является прерогативой больших компаний с мощными аналитическими командами. Даже если вы еще новичок в использовании Python, эта книга познакомит вас с практическими способами построения систем машинного обучения. При всем многообразии данных, доступных на сегодняшний день, применение машинного обучения ограничивается лишь вашим воображением. Вы изучите этапы, необходимые для создания успешного проекта машинного обучения, используя Python и библиотеку scikit-learn. Авторы этой книги, Андреас Мюллер и Сара Гвидо, сосредоточили свое внимание на практических аспектах применения алгоритмов машинного обучения, а не их математическом обосновании. Наличие у читателя навыка использования библиотек NumPy и matplotlib позволит извлечь из этой книги еще больше полезной информации.

Эта книга поможет вам:

познакомиться с фундаментальными понятиями и областью применения инструментов машинного обучения;

понять преимущества и недостатки широко используемых алгоритмов машинного обучения;

изучить способы загрузки данных, обрабатываемых в ходе машинного обучения, включая различные аспекты работы с данными;

освоить продвинутые методы оценивания модели и тонкую настройку параметров;

изучить принципы построения конвейеров для объединения моделей в цепочки и инкапсуляции рабочего потока;

освоить методы работы с текстовыми данными;

получить рекомендации по улучшению навыков, связанных с машинным обучением и наукой о данных.