Практическое машинное обучение с помощью Scikit-learn, Tensorflow и Keras, вероятно, является одной из самых популярных книг по машинному обучению (если не самой). Я только что закончил его недавно, и мне он так понравился, что я подумал, что стоит написать об этом рецензию на книгу. Если вы не знакомы с этой книгой, то это производственная книга О’Рейли (что означает, что качество контента отличное), и она предназначена для новичков в области машинного обучения. Он включает в себя все: теорию, код, упражнения и вопросы. Но самое лучшее в этом - плавные объяснения с примерами кода.
Содержание книги
Одна из самых впечатляющих особенностей книги - то, что она действительно охватывает практически все, что касается машинного обучения. Ознакомиться с содержанием книги можно здесь, она огромная! Вот кое-что, что я узнал только из личного опыта. Вам не обязательно читать все, и если вы прочитаете все, пожалуйста, не делайте это за один присест. По сути, я закончил эту книгу за 1-2 года, и не потому, что я ленив или медленно читаю. Это потому, что я читал только те главы, которые имели отношение к проектам машинного обучения, над которыми я работал. И да, мне потребовалось 1-2 года, чтобы сделать проект почти в каждом подполе машинного обучения (обработка текста, обработка изображений, контролируемое, неконтролируемое, усиление и т. Д.). Их очень много.
Одна из лучших особенностей владения книгой заключается в том, что вы всегда можете легко вернуться к тем главам, которые вы изучаете в то время, и использовать их в качестве справочника. Например, когда я проводил свое первое текстовое соревнование Kaggle, я боролся с RNN и LSTM, поэтому я прочитал эту главу 2–3 раза! Было приятно собрать все от А до Я по этой теме в одном месте с качественным контентом, примерами кода и многим другим.
Кроме того, когда мне было интересно узнать о других областях машинного обучения, я мог легко прочитать о них из книги. Не поймите меня неправильно, я думаю, что вы можете узнать об ML из множества бесплатных онлайн-ресурсов (особенно Medium здесь). Однако вам потребуется много времени, чтобы собрать высококачественные теоретические и практические ресурсы по каждому подполю машинного обучения, что, по сути, является тем, чем и является книга.
Практические части
Я один из тех, кто на самом деле не любит читать о чём-то снова и снова; особенно в программировании, я считаю, что самостоятельное решение задач гораздо важнее, чем чтение теории.
Однако с помощью машинного обучения я обнаружил, что за каждым алгоритмом и каждой моделью стоит огромное количество теоретических знаний. И должен быть баланс между глубиной, в которую вам нужно погрузиться, чтобы стать хорошим инженером / специалистом по машинному обучению. Например, если вы глубоко погрузитесь в каждую модель, вы в конечном итоге узнаете только об одной модели, а если вы узнаете о каждой модели на поверхностном уровне, вы не перестанете быть хорошими ни в чем!
На мой взгляд, в книге очень удачный баланс между погружением в детали и простым кодированием! И я нашел большую ценность в том, чтобы иметь его рядом со мной во время моего продолжающегося путешествия по обучению машинному обучению.
Если ты купишь это
Я думаю, если вы не занимаетесь машинным обучением в течение 1-2 лет, книга должна иметь для вас большую ценность. Просто потому, что есть много областей машинного обучения, которых вы, вероятно, не касались раньше и которые вам все еще нужно изучить для любого проекта, над которым вы работаете.
Есть также несколько более общих глав о создании проектов и конвейеров машинного обучения с нуля, которые я считаю действительно полезными. Мы всегда хотим погрузиться в детали этой модели и этой модели, но иногда очень полезно сделать шаг назад и посмотреть на весь процесс с высоты птичьего полета.
Еще одна вещь, которая мне очень понравилась в книге, - это то, что она еще совсем недавно. Это означает, что модели, приведенные в качестве примеров в некоторых главах, все еще довольно современные, я не думаю, что они будут через 3–5 лет (может быть, меньше). Более того, я обнаружил, что иметь такую книгу очень полезно в длительных проектах. Помню, когда я писал дипломную работу, я возвращался к некоторым главам несколько раз.
Последние мысли
Меня не спонсирует О’Рейли, и я не получу никакой выгоды, если вы купите эту книгу. Это просто обзор книги, сделанный кем-то, кто изучает машинное обучение и пытается поделиться своим опытом. Надеюсь, вам понравился этот краткий обзор, и если у вас есть другие мысли о книге, я хотел бы услышать их в разделе комментариев ниже.
Спасибо
Спасибо, что дочитали до сих пор :) Если вам понравилась эта статья, подумайте о том, чтобы купить мне кофе здесь (кофе помогает мне писать):
