✨Sách khoa học dữ liệu với các kỹ thuật học máy - cơ bản ( STK)

KHOA HỌC DỮ LIỆU VỚI CÁC KỸ THUẬT HỌC MÁY (CƠ BẢN)

            Khoa học dữ liệu với các kỹ thuật học máy (Cơ bản) là cuốn sách giới thiệu nhanh về các thành phần thiết yếu của ngôn ngữ Python dành cho các nhà nghiên cứu và nhà phát triển phân tích dữ liệu, học máy và học sâu. Nền tảng học máy vững chắc được trình bày bởi chuyên gia. Toàn bộ vòng đời phát triển học máy được áp dụng cho các dự án cấp doanh nghiệp. Bao gồm mã hóa Python, điện toán khoa học, thuật toán tối ưu hóa, AI có thể giải thích và các phương pháp tiên tiến hướng đến sự đơn giản, khả năng mở rộng, khả năng tái sử dụng, khả năng nhân rộng, triển khai nhanh và bảo trì dễ dàng. Từ làm sạch dữ liệu đến thiết kế mô hình, thử nghiệm và lựa chọn tính năng, cho đến những hình ảnh trực quan tuyệt vời dễ dàng cho các bên liên quan và người ra quyết định. Tùy thuộc vào nền tảng và sở thích của sinh viên, các chủ đề có thể bao gồm dữ liệu tăng cường, mô hình tổng quát và hỗn hợp, dữ liệu lớn, mạng thần kinh sâu, xử lý hình ảnh, học máy trong GPU, mô hình đồ thị, khớp đường cong và hình dạng, tạo phân loại (NLP)…. Nhiều phương pháp hồi quy bao gồm logistic hoặc Lasso được thống nhất và trình bày dưới cùng một phương pháp.

            Nội dung sách KHOA HỌC DỮ LIỆU VỚI CÁC KỸ THUẬT HỌC MÁY (CƠ BẢN) trình bày qua 424 trang khổ 16 x 24 cm gồm 3 phần:

• Phần 1: Giới thiệu tổng quan về AI, Học máy và Học sâu.

• Phần 2: Giới thiệu và hướng dẫn sử dụng các thư viện chuyên dùng như Numpy, Pandas, Scipy, TensorFlow…

• Phần 3: Giới thiệu học máy qua các chủ đề chính sau:

Phần 3 là trọng tâïm cuốn sách này, hướng dẫn về ứng dụng học máy với Python. Bạn sẽ khám phá quy trình từng bước để bắt đầu và thành thạo về học máy để lập mô hình dự đoán với hệ sinh thái Python. Nôi dung sách trình bày tập trung vào một lĩnh vực con cụ thể của học máy được gọi là mô hình dự đoán. Đây là lĩnh vực học máy hữu ích nhất trong công nghiệp và là loại học máy mà thư viện Scikit-learn trong Python có khả năng hỗ trợ vượt trội.

Trong thống kê, các mô hình được được sử dụng để hiểu dữ liệu. Ngược lại, mô hình dự đoán là tập trung vào việc phát triển các mô hình tạo ra những dự đoán chính xác nhất, nhưng lại phải trả giá bằng việc giải thích lý do đưa ra những dự đoán đó. Khác với lĩnh vực học máy rộng hơn, có thể được sử dụng một cách khả thi với dữ liệu ở bất kỳ định dạng nào, việc lập mô hình dự đoán chủ yếu tập trung vào dữ liệu dạng bảng.

Phần học máy này được soạn theo 3 chủ đề, các chủ đề này được thiết kế để giúp bạn bắt đầu và sử dụng Python cho học máy qua ứng dụng một cách hiệu quả và nhanh chóng. Ba chủ đề này bao gồm:

• Bài học: Tìm hiểu cách các nhiệm vụ phụ của dự án học máy ánh xạ vào Python và cách thực hành tốt nhất để thực hiện từng nhiệm vụ.

• Dự án: Liên kết tất cả kiến thức trong bài học bằng cách làm việc thông qua các bài tập mô hình hóa dự đoán tình huống.

• Bài tập: Áp dụng công nghệ học máy với một loạt các bài tập độc lập bằng Python mà có thể sao chép và dán làm điểm khởi đầu cho các dự án mới.