Descripción
Adquiera experiencia práctica en programación Python con técnicas de aprendizaje automático estándar de la industria utilizando pandas, scikit-learn y XGBoost
Características clave:
- Piense críticamente sobre los datos y utilícelos para formar y probar una hipótesis.
- Elija un modelo de aprendizaje automático apropiado y entrénelo con sus datos.
- Comunique conocimientos basados en datos con confianza y claridad.
Descripción del libro:
Si los datos son el nuevo petróleo, entonces el aprendizaje automático es el taladro. A medida que las empresas obtienen acceso a cantidades cada vez mayores de datos sin procesar, la capacidad de ofrecer modelos predictivos de última generación que respalden la toma de decisiones comerciales se vuelve cada vez más valiosa.
En este libro, trabajará en un proyecto de principio a fin basado en un conjunto de datos realista y dividido en ejercicios prácticos sencillos. Esto crea un enfoque de estudio de caso que simula las condiciones de trabajo que experimentará en proyectos de ciencia de datos del mundo real.
Aprenderá a utilizar paquetes clave de Python, incluidos pandas, Matplotlib y scikit-learn, y dominará el proceso de exploración y procesamiento de datos, antes de pasar al ajuste, evaluación y optimización de algoritmos como la regresión logística regularizada y el bosque aleatorio.
Ahora en su segunda edición, este libro lo guiará a través del proceso de principio a fin de explorar datos y entregar modelos de aprendizaje automático. Actualizada para 2021, esta edición incluye contenido completamente nuevo sobre XGBoost, valores SHAP, equidad algorítmica y las preocupaciones éticas de implementar un modelo en el mundo real.
Al final de este libro de ciencia de datos, tendrá las habilidades, la comprensión y la confianza para construir sus propios modelos de aprendizaje automático y obtener información de datos reales.
Lo que aprenderá:
- Cargue, explore y procese datos usando el paquete pandas de Python.
- Use Matplotlib para crear visualizaciones de datos atractivas.
- Implemente modelos predictivos de aprendizaje automático con scikit-learn.
- Use la regresión lasso y ridge para reducir el sobreajuste del modelo.
- Evalúe el rendimiento del modelo de regresión logística y bosque aleatorio.
- Ofrezca conocimientos comerciales presentando conclusiones claras y convincentes.
A quién va dirigido este libro:
Proyectos de ciencia de datos con Python - Segunda edición es para cualquiera que quiera iniciarse en la ciencia de datos y el aprendizaje automático. Si está interesado en avanzar en su carrera utilizando el análisis de datos y el modelado predictivo para generar conocimientos comerciales, entonces este libro es el lugar perfecto para comenzar. Para comprender rápidamente los conceptos cubiertos, se recomienda tener experiencia básica en programación con Python u otro lenguaje similar, y un interés general en las estadísticas.
Autor: Stephen Klosterman
Editorial: Packt Publishing
Publicado: 30/07/2021
Páginas: 432
Tipo de encuadernación: Tapa blanda
Peso: 1.63lbs
Tamaño: 9.25h x 7.50w x 0.88d
ISBN13: 9781800564480
ISBN10: 1800564481
Categorías BISAC:
- Informática | Lenguajes | Python
- Informática | Ciencia de Datos | Visualización de Datos
Este título no es retornable