handson ml

Buku Catatan Pembelajaran Mesin

EDISI KETIGA BUKU SAYA SEKARANG TERSEDIA.

Proyek ini untuk edisi pertama, yang sekarang sudah ketinggalan zaman.

Proyek ini bertujuan untuk mengajari Anda dasar-dasar Pembelajaran Mesin dengan python. Ini berisi contoh kode dan solusi untuk latihan di buku O'Reilly saya, Pembelajaran Mesin Praktis dengan Scikit-Learn dan TensorFlow:

Mulai Cepat

Ingin bermain-main dengan notebook ini secara online tanpa harus menginstal apa pun?

Gunakan salah satu layanan berikut.

PERINGATAN : Perlu diketahui bahwa layanan ini menyediakan lingkungan sementara: apa pun yang Anda lakukan akan dihapus setelah beberapa saat, jadi pastikan Anda mengunduh data apa pun yang penting bagi Anda.

• Direkomendasikan : buka repositori ini di Colaboratory:

• Atau buka di Binder:

  • Catatan : Biasanya, Binder dimulai dengan cepat dan berfungsi dengan baik, tetapi ketika handson-ml diperbarui, Binder membuat lingkungan baru dari awal, dan ini bisa memakan waktu cukup lama.

• Atau buka di Deepnote:

Hanya ingin melihat beberapa buku catatan dengan cepat, tanpa menjalankan kode apa pun?

Jelajahi repositori ini menggunakan penampil buku catatan jupyter.org:

Catatan : penampil buku catatan github.com juga berfungsi tetapi lebih lambat dan persamaan matematika tidak selalu ditampilkan dengan benar.

Ingin menjalankan proyek ini menggunakan image Docker?

Baca instruksi Docker.

Ingin menginstal proyek ini di mesin Anda sendiri?

Mulailah dengan menginstal Anaconda (atau Miniconda), git, dan jika Anda memiliki GPU yang kompatibel dengan TensorFlow, instal driver GPU, serta versi CUDA dan cuDNN yang sesuai (lihat dokumentasi TensorFlow untuk detail selengkapnya).

Selanjutnya, kloning proyek ini dengan membuka terminal dan mengetikkan perintah berikut (jangan mengetikkan tanda $ pertama pada setiap baris, itu hanya menunjukkan bahwa ini adalah perintah terminal):

 $ git clone https://github.com/ageron/handson-ml.git
$ cd handson-ml

Selanjutnya, jalankan perintah berikut:

 $ conda env create -f environment.yml
$ conda activate tf1
$ python -m ipykernel install --user --name=python3

Terakhir, mulai Jupyter:

 $ jupyter notebook

Jika Anda memerlukan instruksi lebih lanjut, baca instruksi instalasi rinci.

Pertanyaan Umum

Versi Python mana yang harus saya gunakan?

Saya merekomendasikan Python 3.7. Jika Anda mengikuti petunjuk instalasi di atas, itulah versi yang akan Anda dapatkan. Sebagian besar kode akan bekerja dengan versi lain dari Python 3, namun beberapa perpustakaan belum mendukung Python 3.8 atau 3.9, itulah sebabnya saya merekomendasikan Python 3.7.

Saya mendapat pesan kesalahan saat menelepon load_housing_data()

Pastikan Anda menelepon fetch_housing_data() sebelum menelepon load_housing_data() . Jika Anda mendapatkan kesalahan HTTP, pastikan Anda menjalankan kode yang sama persis seperti di buku catatan (salin/tempel jika perlu). Jika masalah terus berlanjut, periksa konfigurasi jaringan Anda.

Saya mendapatkan kesalahan SSL di MacOSX

Anda mungkin perlu menginstal sertifikat SSL (lihat pertanyaan StackOverflow ini). Jika Anda mengunduh Python dari situs web resmi, jalankan /Applications/Python 3.7/Install Certificates.command di terminal (ubah 3.7 ke versi apa pun yang Anda instal). Jika Anda menginstal Python menggunakan MacPorts, jalankan sudo port install curl-ca-bundle di terminal.

Saya telah menginstal proyek ini secara lokal. Bagaimana cara memperbaruinya ke versi terbaru?

Lihat INSTALL.md

Bagaimana cara memperbarui perpustakaan Python saya ke versi terbaru, saat menggunakan Anaconda?

Lihat INSTALL.md

Kontributor

Saya ingin mengucapkan terima kasih kepada semua orang yang berkontribusi pada proyek ini, baik dengan memberikan umpan balik yang berguna, mengajukan masalah, atau mengirimkan Permintaan Tarik. Terima kasih khusus ditujukan kepada Haesun Park dan Ian Beauregard yang telah meninjau setiap buku catatan dan mengirimkan banyak PR, termasuk bantuan pada beberapa solusi latihan. Terima kasih juga kepada Steven Bunkley dan Ziembla yang membuat direktori docker , dan kepada pengguna github SuperYorio yang membantu beberapa solusi latihan.