Awesome_Machine_Learning_Solutions
1.0.0
รายการที่เก็บที่รวบรวมไว้สำหรับหนังสือ Machine Learning Solutions ของฉัน
คุณจะได้รับโอกาสในการเรียนรู้วิธีพัฒนาแอปพลิเคชันวิทยาศาสตร์ข้อมูลที่ทันสมัยโดยใช้เทคนิค Machine Learning (ML) ต่างๆ หนังสือเล่มนี้เป็นแนวทางปฏิบัติที่สามารถช่วยคุณสร้างและเพิ่มประสิทธิภาพแอปพลิเคชันด้านวิทยาศาสตร์ข้อมูลของคุณได้ คุณสามารถเข้าถึงซอร์สโค้ดได้โดยใช้ลิงก์ที่ให้ไว้หลังคำอธิบายบท
บทที่ 1 การสร้างแบบจำลองความเสี่ยงด้านเครดิต ในบทนี้เราจะสร้างแบบจำลองการวิเคราะห์เชิงคาดการณ์ซึ่งสามารถช่วยให้เราคาดการณ์สภาพอากาศที่ลูกค้าจะผิดนัดชำระสินเชื่อหรือไม่ เราจะใช้การตรวจจับค่าผิดปกติ การเปลี่ยนแปลงคุณลักษณะ อัลกอริธึมการเรียนรู้ของเครื่องทั้งมวล และอื่นๆ เพื่อให้ได้โซลูชันที่ดีที่สุดเท่าที่จะเป็นไปได้
บทที่ 2 การทำนายราคาตลาดหุ้น ในบทนี้เราจะสร้างแบบจำลองการทำนายซึ่งสามารถทำนายราคาดัชนีหุ้นตามชุดข้อมูลในอดีต เราจะใช้โครงข่ายประสาทเทียมเพื่อหาทางออกที่ดีที่สุด
บทที่ 3 การวิเคราะห์ลูกค้า ในบทนี้เราจะสำรวจวิธีสร้างการแบ่งส่วนลูกค้าเพื่อให้แคมเปญการตลาดสามารถทำได้อย่างเหมาะสมที่สุด การใช้อัลกอริธึมการเรียนรู้ของเครื่องต่างๆ เช่น K-เพื่อนบ้านที่ใกล้ที่สุด ฟอเรสต์สุ่ม และอื่นๆ เราสามารถสร้างแนวทางพื้นฐานได้ เพื่อให้ได้โซลูชันที่ดีที่สุด เราจะใช้อัลกอริธึมการเรียนรู้ของเครื่องทั้งมวล
บทที่ 4 ระบบการแนะนำสำหรับการเริ่มต้นทางอิเล็กทรอนิกส์ ในบทนี้ เราจะสร้างเครื่องมือแนะนำสำหรับแพลตฟอร์มอีคอมเมิร์ซ เราจะสร้างเครื่องมือแนะนำที่สามารถแนะนำหนังสือที่คล้ายกันได้ เราจะใช้แนวคิดเช่นสหสัมพันธ์ TF-IDF ความคล้ายคลึงโคไซน์เพื่อสร้างแอปพลิเคชัน
บทที่ 5 การวิเคราะห์ความรู้สึก ในบทนี้ เราจะสร้างคะแนนความพึงพอใจสำหรับบทวิจารณ์ภาพยนตร์ เพื่อให้ได้ทางออกที่ดีที่สุด เราจะใช้โครงข่ายประสาทที่เกิดซ้ำและหน่วยหน่วยความจำระยะสั้น
บทที่ 6 เครื่องมือแนะนำงาน ในบทนี้เราจะสร้างชุดข้อมูลของเราเองซึ่งสามารถนำมาใช้สร้างเครื่องมือแนะนำงานได้ นอกจากนี้เรายังจะใช้ชุดข้อมูลที่มีอยู่แล้วเพื่อสร้างระบบแนะนำงาน เราจะใช้เทคนิคทางสถิติพื้นฐานเพื่อให้ได้ทางออกที่ดีที่สุด
บทที่ 7 การสรุปข้อความ ในบทนี้ เราจะสร้างแอปพลิเคชันที่สร้างข้อมูลสรุปแบบแยกส่วนของการถอดความทางการแพทย์ เราจะใช้ไลบรารีหลามที่มีอยู่แล้วสำหรับแนวทางพื้นฐานของเรา หลังจากนั้นเราจะใช้เทคนิคการทำเวกเตอร์และการจัดอันดับต่างๆ เพื่อให้ได้สรุปเอกสารทางการแพทย์ นอกจากนี้เรายังจะสร้างบทสรุปสำหรับการวิจารณ์ผลิตภัณฑ์ของ Amazon ด้วย
บทที่ 8 การพัฒนาแชทบอท ในบทนี้ เราจะพัฒนาแชทบอทโดยใช้แนวทางตามกฎและแนวทางการเรียนรู้เชิงลึก เราจะใช้ TensorFlow และ Keras เพื่อสร้างแชทบอท
บทที่ 9 การสร้างแอปการรู้จำวัตถุแบบเรียลไทม์ ในบทนี้เราจะเรียนรู้เกี่ยวกับการถ่ายโอนการเรียนรู้ เราจะเรียนรู้เกี่ยวกับเครือข่ายแบบหมุนวนและอัลกอริธึม YOLO (คุณดูเพียงครั้งเดียว) เราจะใช้โมเดลที่ได้รับการฝึกอบรมล่วงหน้าเพื่อพัฒนาแอปพลิเคชัน
บทที่ 10 การจดจำใบหน้าและการจดจำใบหน้า ในครึ่งแรกของบทนี้ เราจะสร้างแอปพลิเคชันที่สามารถจดจำใบหน้าของมนุษย์ได้ ในช่วงครึ่งหลังของบทนี้ เราจะพัฒนาแอปพลิเคชันที่สามารถจดจำสีหน้าของมนุษย์ได้ เราจะใช้ OpenCV, Keras และ TensorFlow เพื่อสร้างแอปพลิเคชันนี้
บทที่ 11 การสร้างบอทเกม ในบทนี้เราจะเรียนรู้เกี่ยวกับการเรียนรู้แบบเสริมกำลัง ที่นี่เราจะใช้ยิมหรือห้องสมุดจักรวาลเพื่อรับสภาพแวดล้อมการเล่นเกม ก่อนอื่นเราเข้าใจอัลกอริธึม Q-learning และต่อมาเราจะใช้อัลกอริธึมเดียวกันเพื่อฝึกบอทเกมของเรา ที่นี่เรากำลังสร้างบอทสำหรับเกมอาตาริ
ภาคผนวก A รายการสูตรโกง ในบทนี้เราจะรวบรวมรายการสูตรโกงสำหรับไลบรารี Python ต่างๆ ที่เราใช้บ่อยในแอปพลิเคชันวิทยาศาสตร์ข้อมูล
ภาคผนวก B กลยุทธ์ในการชนะการแข่งขันแฮ็กกาธอน ในบทนี้ เราจะได้รู้ว่ากลยุทธ์ที่เป็นไปได้ในการชนะแฮ็กกาธอนคืออะไร ฉันยังได้จัดทำรายการแหล่งข้อมูลดีๆ ที่สามารถช่วยให้คุณอัปเดตตัวเองได้
