Машинное обучение на R: экспертные техники для прогностического анализа (Ланц Бретт) ; Питер, 2020

Книга "Машинное Обучение на R. Экспертные Техники..." является отличным руководством по применению машинного обучения в реальной практике с использованием языка программирования R. Она предназначена для тех, кто хочет освоить основы и продвинутые техники машинного обучения, а также научиться применять их на практике.
Автор предлагает читателю ознакомиться с различными методами машинного обучения и их применением, включая регрессию, классификацию, кластеризацию и анализ временных рядов. Книга содержит множество практических примеров, которые помогают лучше понять принципы работы алгоритмов и их реализацию на языке R.
Автор мастерски объясняет теоретические аспекты машинного обучения и демонстрирует их практическую реализацию. Читатель может пошагово следовать приведенным примерам и модифицировать их под свои задачи.
Это делает книгу особенно полезной для начинающих специалистов, которые хотят освоить машинное обучение с нуля.
Помимо теоретических знаний, книга также предоставляет полезные советы для эффективного использования инструментов машинного обучения. Например, автор рассказывает о выборе правильного алгоритма для конкретной задачи, методах оценки качества моделей и оптимизации гиперпараметров.
Однако, книга не лишена недостатков. Некоторые примеры могут показаться устаревшими или не очень актуальными для современных задач.
Также стоит отметить, что книга может быть сложной для тех, кто только начинает изучать R и программирование в целом.
В целом, "Машинное Обучение на R..." - это ценное руководство для всех, кто интересуется машинным обучением и хочет научиться применять его на практике. Она станет отличным стартом для начинающих специалистов и полезным источником знаний для опытных разработчиков.

0    0

Есть эта книга. Написана социологом. У него и курс на datacamp есть, представляющий собой усечённую версию книги. Я бы назвал эту книгу введением в ml и без математики. То есть всё, что под капотом, объяснено на пальцах для гуманитариев. Ну и для каждого алгоритма есть разбор на примере. От подготовки данных до оценки модели. Ну и нюансы некоторые озвучиваются. Например, выбор количество кластеров для kmeans. Короче говоря, для первого знакомства самое то, особенно если нет математического бэкграунда.

0    0