python machine learning book 2nd edition
1.0.0
โปรดทราบว่าฉบับใหม่ (ฉบับที่ 3) มีให้บริการแล้วในเดือนธันวาคม 2019 ลิงก์ที่เก็บโค้ดสำหรับฉบับที่ 3 คือ https://github.com/rasbt/python-machine-learning-book-3rd-edition
Python Machine Learning รุ่นที่ 2
เผยแพร่เมื่อวันที่ 20 กันยายน 2017
หนังสือปกอ่อน: 622 หน้า
สำนักพิมพ์: สำนักพิมพ์ Packt
ภาษา: อังกฤษ
ISBN-10: 1787125939
ISBN-13: 978-1787125933
Kindle ASIN: B0742K7HYF
คำแนะนำในการติดตั้งและการตั้งค่าที่เป็นประโยชน์สามารถพบได้ในไฟล์ README.md ของบทที่ 1
หากต้องการเข้าถึงเนื้อหาโค้ดสำหรับบทที่กำหนด เพียงคลิกลิงก์ open dir อยู่ถัดจากหัวข้อข่าวของบทเพื่อนำทางไปยังไดเร็กทอรีย่อยของบทที่อยู่ในโค้ด/ไดเร็กทอรีย่อย คุณยังสามารถคลิกลิงก์ ipynb ด้านล่างเพื่อเปิดและดูสมุดบันทึก Jupyter ของแต่ละบทได้โดยตรงบน GitHub
นอกจากนี้ โค้ด/ ไดเร็กทอรีย่อยยังมีไฟล์สคริปต์ .py ซึ่งสร้างขึ้นจาก Jupyter Notebooks อย่างไรก็ตาม ฉันขอแนะนำเป็นอย่างยิ่งให้ใช้งานโน้ตบุ๊ก Jupyter หากเป็นไปได้ในสภาพแวดล้อมคอมพิวเตอร์ของคุณ สมุดบันทึก Jupyter ไม่เพียงแต่มีรูปภาพและส่วนหัวของส่วนเพื่อการนำทางที่ง่ายขึ้น แต่ยังช่วยให้สามารถดำเนินการตัวอย่างโค้ดแต่ละรายการแบบเป็นขั้นตอน ซึ่งในความคิดของฉัน ให้ประสบการณ์การเรียนรู้ที่ดีขึ้น
โปรดทราบว่านี่เป็นเพียงตัวอย่างโค้ดที่มาพร้อมกับหนังสือ ซึ่งฉันได้อัปโหลดไว้เพื่อความสะดวกของคุณ โปรดทราบว่าสมุดบันทึกเหล่านี้อาจไม่มีประโยชน์หากไม่มีสูตรและข้อความอธิบาย
โอ้ มีหลายสิ่งที่เราปรับปรุงหรือเพิ่มเติม ฉันควรเริ่มจากตรงไหนดี!? ปัญหาหนึ่งที่อยู่ด้านบนของรายการลำดับความสำคัญของฉันคือการแก้ไขการพิมพ์ผิดที่น่ารังเกียจทั้งหมดที่เกิดขึ้นระหว่างขั้นตอนเค้าโครงหรือการควบคุมดูแลของฉัน ฉันชื่นชมการตอบรับที่เป็นประโยชน์จากผู้อ่านในลักษณะนี้จริงๆ! นอกจากนี้ ฉันยังได้ตอบกลับความคิดเห็นทั้งหมดเกี่ยวกับส่วนที่อาจทำให้สับสนหรือไม่ชัดเจนเล็กน้อย มีการใช้คำใหม่ และเพิ่มคำอธิบายเพิ่มเติม นอกจากนี้ ขอขอบคุณเป็นพิเศษสำหรับบรรณาธิการที่ยอดเยี่ยมของฉบับพิมพ์ครั้งที่ 2 ซึ่งช่วยได้มากตลอดทาง!
นอกจากนี้ตัวเลขและโครงเรื่องยังดูสวยขึ้นมาก แม้ว่าผู้อ่านจะชอบเนื้อหากราฟิกมาก แต่บางคนก็วิพากษ์วิจารณ์สไตล์และเค้าโครงของ PowerPoint ดังนั้นฉันจึงตัดสินใจยกเครื่องหุ่นเล็กๆ ทุกตัวด้วยหวังว่าจะมีตัวเลือกแบบอักษรและสีที่น่าพอใจมากขึ้น นอกจากนี้ แผนข้อมูลยังดูดีขึ้นมากในขณะนี้ ต้องขอบคุณทีมงาน matplotlib ที่ทำงานหนักใน matplotlib 2.0 และธีมสไตล์ใหม่
นอกเหนือจากการแก้ไขด้านความสวยงามเหล่านี้แล้ว ยังมีการเพิ่มส่วนใหม่ที่นี่และที่นั่น ตัวอย่างเช่น ในส่วนที่เกี่ยวข้องกับการจัดการกับชุดข้อมูลที่ไม่สมดุล ซึ่งผู้อ่านหลายรายขาดหายไปในฉบับพิมพ์ครั้งแรกและส่วนสั้นๆ เกี่ยวกับการจัดสรร Dirichlet ที่ซ่อนอยู่ และอื่นๆ
เมื่อเวลาผ่านไปและโลกซอฟต์แวร์เดินหน้าต่อไปหลังจากรุ่นแรกเปิดตัวในเดือนกันยายน 2558 เราจึงตัดสินใจแทนที่การแนะนำการเรียนรู้เชิงลึกผ่าน Theano ไม่ต้องกังวล เราไม่ได้ลบมันออก แต่ได้รับการยกเครื่องครั้งใหญ่ และตอนนี้ใช้ TensorFlow ซึ่งกลายเป็นผู้เล่นหลักในกล่องเครื่องมือการวิจัยของฉันนับตั้งแต่ Google เปิดตัวโอเพ่นซอร์สในเดือนพฤศจิกายน 2015 พร้อมด้วยการแนะนำใหม่เกี่ยวกับข้อมูลเชิงลึก การเรียนรู้โดยใช้ TensorFlow ส่วนเพิ่มเติมที่ใหญ่ที่สุดในรุ่นใหม่นี้คือสามบทใหม่ล่าสุดที่เน้นไปที่แอปพลิเคชันการเรียนรู้เชิงลึก: ภาพรวมโดยละเอียดเพิ่มเติมของกลไก TensorFlow, บทนำเกี่ยวกับโครงข่ายประสาทเทียมแบบม้วนสำหรับการจำแนกภาพ, และการแนะนำโครงข่ายประสาทเทียมที่เกิดซ้ำสำหรับการประมวลผลภาษาธรรมชาติ แน่นอน และในลักษณะเดียวกันกับส่วนอื่นๆ ของหนังสือ บทใหม่เหล่านี้ไม่เพียงแต่ให้คำแนะนำและตัวอย่างที่เป็นประโยชน์แก่ผู้อ่านเท่านั้น แต่ยังแนะนำคณิตศาสตร์พื้นฐานที่อยู่เบื้องหลังแนวคิดเหล่านั้น ซึ่งเป็นส่วนสำคัญในการทำความเข้าใจว่าการเรียนรู้เชิงลึกทำงานอย่างไร .
[ ข้อความที่ตัดตอนมาจาก "การเรียนรู้ของเครื่องมีประโยชน์ในเกือบทุกโดเมนของปัญหา:" บทสัมภาษณ์กับ Sebastian Raschka ]
ราชกา, เซบาสเตียน และวาฮิด มีร์จาลิลี Python Machine Learning รุ่นที่ 2 สำนักพิมพ์แพ็คต์, 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}
}
