Python机器学习实战(基于Scikit-learn与PyTorch的神经网络解决方案)

作者简介

阿什温·帕扬卡（AshwinPajankar）是一名技术类作家、讲师、内容创作者和YouTuber主播。他在南德的SGGSIE&T获得了工程学士学位，在印度理工学院海德拉巴校区获得了计算机科学与工程硕士学位。他在7岁的时候接触到电子技术和计算机编程。BASIC 是他学会的第一种编程语言。他还用过其他很多编程语言，比如汇编语言、C、C++、VisualBasic、Java、ShellScripting、Python、SQL和 JavaScript。他还非常喜欢使用单板计算机和微控制器，比如树莓派、BananaPro、Arduino、BBC Microbit 和 ESP32。 他目前正专注于发展 YouTube 频道，内容涉及计算机编程、电子技术和微控制器。 阿迪亚·乔希（AdityaJoshi）是一名机器学习工程师，他曾经在早中期创业公司的数据科学和机器学习团队工作。他在浦那大学获得了工程学士学位，在印度理工学院海德拉巴校区获得了计算机科学与工程硕士学位。他在硕士学习期间对机器学习产生了兴趣，并与印度理工学院海德拉巴校区的搜索和信息提取实验室有了联系。他喜欢教学，经常参加培训研讨会、聚会和短期课程。 欧拉在校期间多次入选“优等生名单”，奉行深思笃行的做事原则，擅长于问题引导和拆解，曾经运用数据模型和R语言帮助某企业在半年内实现了十倍的增长。美食爱好者。有多部译著，翻译风格活泼而准确，有志于通过文字、技术和思维来探寻商业价值与人文精神的平衡。目前感兴趣的方向有机器学习和人工智能。

内容简介

NumPy、Pandas、Matplotlib、Scikit-learn以及Pytorch，一应俱全 涵括常见应用场景，可作为初学者入门指南以及从业者中长期参考手册 深度阐述机器学习环境搭建、数据加载、数值处理、数据分析和可视化 结合理论和实践来解释监督学习、无监督学习、回归算法以及集成学习 通过一个端到端解决方案来解释复杂的卷积神经网络架构、原理和实现 本书分为三个部分。第一部分向您介绍使用 Python 的数字运算和数据分析工具，并深入解释环境配置、数据加载、数值处理、数据分析和可视化。第二部分涵盖机器学习基础知识和 Scikit-learn 库。它还通过理论和实践课程以简单的方式解释了监督学习、无监督学习、回归算法的实现和分类以及集成学习方法。第三部分解释了复杂的神经网络架构，并详细介绍了卷积神经网络的内部工作和实现。最后一章包含 Pytorch 中神经网络的详细端到端解决方案。本书可以帮助读者实现机器学习和神经网络解决方案。 特色主题如下： 复习NumPy和Pandas中的数据结构 展示机器学习技术和算法 了解监督学习和非监督学习 重点讨论卷积神经网络和递归神经网络 全面介绍熟悉scikit-learn和 PyTorch 预测递归神经网络和长短期记忆中的序列