python machine learning book 2nd edition 다운로드 - python machine learning book 2nd edition 소스 코드 다운로드

python machine learning book 2nd edition

파이썬

1.0.0

다운로드

Python 기계 학습(2판) 코드 리포지토리

이제 새 버전(3판)이 2019년 12월부터 제공됩니다. 3판의 코드 저장소 링크는 https://github.com/rasbt/python-machine-learning-book-3rd-edition입니다.

Python 기계 학습, 2판.

2017년 9월 20일에 게시됨

단행본: 622페이지
출판사: 팩트 출판
언어: 영어

ISBN-10: 1787125939
ISBN-13: 978-1787125933
킨들 ASIN: B0742K7HYF

모래밭

아마존 페이지
팩트 페이지

목차 및 코드 노트북

유용한 설치 및 설정 지침은 1장의 README.md 파일에서 찾을 수 있습니다.

특정 장의 코드 자료에 액세스하려면 장 헤드라인 옆에 있는 open dir 링크를 클릭하여 code/ 하위 디렉터리에 있는 장 하위 디렉터리로 이동하세요. 아래 ipynb 링크를 클릭하면 GitHub에서 직접 각 장의 Jupyter 노트북을 열고 볼 수도 있습니다.

또한 code/ 하위 디렉터리에는 Jupyter 노트북에서 생성된 .py 스크립트 파일도 포함되어 있습니다. 그러나 가능하다면 귀하의 컴퓨팅 환경에서는 Jupyter 노트북을 사용하여 작업하는 것이 좋습니다. Jupyter 노트북에는 더 쉬운 탐색을 위한 이미지와 섹션 제목이 포함되어 있을 뿐만 아니라 개별 코드 조각을 단계적으로 실행할 수 있어 더 나은 학습 경험을 제공한다고 생각합니다.

이것은 귀하의 편의를 위해 제가 업로드한 책에 동봉된 코드 예제일 뿐입니다. 이 노트북은 공식과 설명 텍스트가 없으면 유용하지 않을 수 있습니다.

기계 학습 - 컴퓨터에 데이터로부터 학습할 수 있는 기능 제공 [open dir] [ipynb]
분류를 위한 기계 학습 알고리즘 교육 [open dir] [ipynb]
Scikit-Learn을 사용한 기계 학습 분류기 둘러보기 [open dir] [ipynb]
좋은 훈련 세트 구축 – 데이터 사전 처리 [open dir] [ipynb]
차원 축소를 통한 데이터 압축 [open dir] [ipynb]
모델 평가 및 초매개변수 최적화를 위한 모범 사례 학습 [open dir] [ipynb]
앙상블 학습을 위한 다양한 모델 결합 [open dir] [ipynb]
감정 분석에 기계 학습 적용 [open dir] [ipynb]
기계 학습 모델을 웹 애플리케이션에 포함 [open dir] [ipynb]
회귀 분석을 통한 연속형 목표 변수 예측 [open dir] [ipynb]
레이블이 지정되지 않은 데이터 작업 – 클러스터링 분석 [open dir] [ipynb]
처음부터 다층 인공 신경망 구현 [open dir] [ipynb]
TensorFlow를 사용한 신경망 훈련 병렬화 [open dir] [ipynb]
더 자세히 알아보기: TensorFlow의 메커니즘 [open dir] [ipynb]
심층 합성곱 신경망을 사용하여 이미지 분류 [open dir] [ipynb]
순환 신경망을 사용한 순차 데이터 모델링 [open dir] [ipynb]

1판에 이어 2판에도 새로운 내용이 있나요?

아, 개선하거나 추가한 것들이 너무 많아요. 어디서부터 시작해야 할까요!? 내 우선순위 목록 중 가장 중요한 문제는 레이아웃 단계나 내 감독 중에 발생한 불쾌한 오타를 모두 수정하는 것이었습니다. 이런 방식으로 독자들이 보내준 유용한 피드백에 진심으로 감사드립니다! 또한, 헷갈리거나 다소 불명확할 수 있는 부분에 대한 피드백을 모두 처리하고, 문단을 수정하고, 설명을 추가했습니다. 또한, 제2판을 만드는 데 많은 도움을 주신 훌륭한 편집자들에게도 특별히 감사드립니다!

또한, 그림과 플롯이 훨씬 더 예뻐졌습니다. 독자들은 그래픽 콘텐츠를 많이 좋아했지만 일부 사람들은 PowerPoint와 같은 스타일과 레이아웃을 비판했습니다. 그래서 저는 좀 더 만족스러운 글꼴과 색상을 선택하여 모든 작은 그림을 정밀 검사하기로 결정했습니다. 또한 matplotlib 2.0과 새로운 스타일 테마에 많은 작업을 쏟은 matplotlib 팀 덕분에 이제 데이터 플롯이 훨씬 더 좋아 보입니다.

이러한 모든 외관상의 수정 외에도 여기저기에 새로운 섹션이 추가되었습니다. 예를 들어, 이 중에는 불균형 데이터 세트를 다루는 섹션이 있는데, 이는 초판에서 여러 독자가 누락한 부분이며, 잠재 디리클레 할당(Latent Dirichlet Allocation)에 대한 짧은 섹션도 있습니다.

2015년 9월 첫 번째 버전이 출시된 후 시간과 소프트웨어 세계가 발전함에 따라 우리는 딥 러닝에 대한 소개를 Theano를 통해 대체하기로 결정했습니다. 걱정하지 마세요. 제거하지는 않았지만 대대적인 점검을 거쳐 이제 TensorFlow를 기반으로 하고 있습니다. TensorFlow는 2015년 11월 Google에서 오픈 소스를 출시한 이후 내 연구 도구 상자의 주요 플레이어가 되었습니다. TensorFlow를 사용한 학습, 이 새 버전에 가장 큰 추가 사항은 딥 러닝 애플리케이션에 초점을 맞춘 세 개의 새로운 장입니다. TensorFlow 메커니즘에 대한 보다 자세한 개요, 이미지 분류를 위한 컨볼루셔널 신경망 소개, 자연어 처리를 위한 순환 신경망을 소개합니다. 물론 책의 나머지 부분과 마찬가지로 이 새로운 장에서는 독자들에게 실용적인 지침과 예제를 제공할 뿐만 아니라 딥러닝의 작동 방식을 이해하는 데 필수적인 구성 요소인 개념 뒤에 있는 기본 수학을 소개합니다. .

[ "머신러닝은 거의 모든 문제 영역에서 유용할 수 있습니다:" Sebastian Raschka와의 인터뷰에서 발췌 ]

라슈카, 세바스찬, 바히드 미르잘릴리. Python 기계 학습, 2판 . 팩트 출판, 2017.

 @book{RaschkaMirjalili2017,  
address = {Birmingham, UK},  
author = {Raschka, Sebastian and Mirjalili, Vahid},  
edition = {2},  
isbn = {978-1787125933},  
keywords = {Clustering,Data Science,Deep Learning,  
            Machine Learning,Neural Networks,Programming,  
            Supervised Learning},  
publisher = {Packt Publishing},  
title = {{Python Machine Learning, 2nd Ed.}},  
year = {2017}  
}