Advanced topics like transfer learning and deep learningThis comprehensive introduction to machine learning teaches you how to use Python and scikit-learn to apply these concepts to real-world projects and prepare you for more advanced studies or professional application. Book Description: In this comprehensive guide to machine learning, author Matt Mauriello provides an in-depth introduction to the field, covering both classical and modern techniques that are relevant to beginners and seasoned practitioners alike. Starting with simple linear regression, readers will explore supervised and unsupervised learning methods before diving into neural networks and deep learning. The book emphasizes practical applications and hands-on exercises to help readers master machine learning principles. With over 100 notebook examples, Grokking Machine Learning provides an immersive experience that prepares readers for real-world problems. The book begins by exploring the history and evolution of machine learning, highlighting key milestones and pioneers in the field. Next, it covers foundational topics such as probability distributions, Bayes' theorem, and linear algebra, before moving on to practical applications of machine learning algorithms, including clustering, decision trees, random forests, support vector machines, and neural networks. Readers will also learn about model selection, overfitting, regularization, and model assessment, giving them a solid foundation for further study or professional practice. By the end of the book, readers will be able to apply their knowledge of machine learning to real-world projects, from data cleaning and preprocessing to feature engineering and model selection. The book concludes with a discussion on the future of machine learning and its impact on society, encouraging readers to think critically about the role of technology in shaping our world.

Дополнительные темы, такие как обучение переносу и глубокое обучение. Это всеобъемлющее введение в машинное обучение учит вас, как использовать Python и scikit - научитесь применять эти концепции в реальных проектах и готовить вас к более углубленным исследованиям или профессиональному применению. Описание книги: В этом всестороннем руководстве по машинному обучению автор Мэтт Мауриелло (Matt Mauriello) предлагает подробное введение в эту область, охватывающее как классические, так и современные методы, которые актуальны как для начинающих, так и для опытных практиков. Начиная с простой линейной регрессии, читатели будут изучать методы обучения с учителем и без учителя, прежде чем погрузиться в нейронные сети и глубокое обучение. Книга акцентирует внимание на практических приложениях и практических упражнениях, чтобы помочь читателям освоить принципы машинного обучения. С более чем 100 примерами ноутбуков Grokking Machine arning обеспечивает захватывающий опыт, который готовит читателей к реальным проблемам. Книга начинается с изучения истории и эволюции машинного обучения, выделяя ключевые вехи и пионеров в этой области. Затем он охватывает основополагающие темы, такие как распределения вероятностей, теорема Байеса и линейная алгебра, прежде чем перейти к практическим применениям алгоритмов машинного обучения, включая кластеризацию, деревья решений, случайные леса, машины опорных векторов и нейронные сети. Читатели также узнают о выборе модели, переобучении, регуляризации и оценке модели, что дает им прочную основу для дальнейшего изучения или профессиональной практики. К концу книги читатели смогут применить свои знания машинного обучения в реальных проектах, от очистки и предварительной обработки данных до разработки функций и выбора моделей. Книга завершается дискуссией о будущем машинного обучения и его влиянии на общество, побуждая читателей критически задуматься о роли технологий в формировании нашего мира.

Sujets supplémentaires tels que l'apprentissage de transfert et l'apprentissage profond. Cette introduction complète à l'apprentissage automatique vous enseigne comment utiliser Python et scikit - apprenez à appliquer ces concepts dans des projets réels et préparez-vous à des recherches plus approfondies ou à des applications professionnelles. Description du livre : Dans ce guide complet sur l'apprentissage automatique, l'auteur Matt Mauriello propose une introduction détaillée à ce domaine, couvrant à la fois les techniques classiques et modernes qui sont pertinentes pour les débutants et les praticiens expérimentés. En commençant par une simple régression linéaire, les lecteurs apprendront les méthodes d'enseignement avec et sans professeur avant de s'immerger dans les réseaux neuronaux et l'apprentissage profond. livre met l'accent sur les applications pratiques et les exercices pratiques pour aider les lecteurs à apprendre les principes de l'apprentissage automatique. Avec plus de 100 exemples d'ordinateurs portables, Grokking Machine arning offre une expérience passionnante qui prépare les lecteurs à relever des défis réels. livre commence par une étude de l'histoire et de l'évolution de l'apprentissage automatique, soulignant les étapes clés et les pionniers dans ce domaine. Il aborde ensuite des sujets fondamentaux tels que les distributions probabilistes, le théorème de Bayes et l'algèbre linéaire, avant de passer aux applications pratiques des algorithmes d'apprentissage automatique, y compris le clustering, les arbres de décision, les forêts aléatoires, les machines de vecteurs de référence et les réseaux neuronaux. s lecteurs apprennent également à choisir un modèle, à le réapprendre, à le régulariser et à l'évaluer, ce qui leur donne une base solide pour une étude plus approfondie ou une pratique professionnelle. À la fin du livre, les lecteurs seront en mesure d'appliquer leurs connaissances en apprentissage automatique à des projets réels, du nettoyage et du prétraitement des données au développement de fonctions et à la sélection de modèles. livre se termine par un débat sur l'avenir de l'apprentissage automatique et son impact sur la société, encourageant les lecteurs à réfléchir de manière critique au rôle de la technologie dans la formation de notre monde.

Temas adicionales como el aprendizaje de transferencia y aprendizaje profundo. Esta amplia introducción al aprendizaje automático te enseña a usar Python y scikit: aprende a aplicar estos conceptos en proyectos reales y a prepararte para una investigación más profunda o una aplicación profesional. Descripción del libro: En esta guía integral sobre el aprendizaje automático, el autor Matt Mauriello ofrece una introducción detallada a este campo que abarca tanto técnicas clásicas como modernas que son relevantes tanto para principiantes como para practicantes experimentados. A partir de una simple regresión lineal, los lectores aprenderán métodos de aprendizaje con y sin profesor antes de sumergirse en las redes neuronales y el aprendizaje profundo. libro se centra en aplicaciones prácticas y ejercicios prácticos para ayudar a los lectores a dominar los principios del aprendizaje automático. Con más de 100 ejemplos de portátiles, Grokking Machine arning ofrece una experiencia emocionante que prepara a los lectores para los problemas reales. libro comienza con el estudio de la historia y evolución del aprendizaje automático, destacando hitos clave y pioneros en este campo. Luego abarca temas subyacentes como las distribuciones de probabilidad, el teorema de Bayes y el álgebra lineal antes de pasar a las aplicaciones prácticas de los algoritmos de aprendizaje automático, incluyendo agrupamiento, árboles de decisión, bosques aleatorios, máquinas de vectores de referencia y redes neuronales. lectores también aprenden sobre la elección del modelo, la re-enseñanza, la regularización y la evaluación del modelo, lo que les proporciona una base sólida para el estudio o la práctica profesional. Al final del libro, los lectores podrán aplicar su conocimiento del aprendizaje automático en proyectos reales, desde la limpieza y pretratamiento de datos hasta el desarrollo de funciones y la selección de modelos. libro concluye con un debate sobre el futuro del aprendizaje automático y su impacto en la sociedad, animando a los lectores a reflexionar de manera crítica sobre el papel de la tecnología en la formación de nuestro mundo.

Temas adicionais, tais como treinamento de transferência e treinamento profundo. Esta introdução abrangente à aprendizagem de máquinas ensina-lhe como usar Python e scikit - aprenda a aplicar esses conceitos em projetos reais e prepará-lo para pesquisas mais aprofundadas ou aplicações profissionais. Descrição do livro: Neste guia completo de aprendizagem de máquinas, Matt Mauriello propõe uma introdução detalhada a este campo, que abrange técnicas clássicas e modernas que valem tanto para os iniciantes quanto para os praticantes experientes. A partir de uma simples regressão linear, os leitores vão aprender como aprender com o professor e sem o professor antes de mergulhar nas redes neurais e o aprendizado profundo. O livro enfatiza aplicações práticas e exercícios para ajudar os leitores a aprender os princípios da máquina. Com mais de 100 exemplos de laptops, o Grokking Machine arning oferece experiências emocionantes que preparam os leitores para problemas reais. O livro começa com o estudo da história e evolução do aprendizado de máquinas, destacando os principais eixos e pioneiros neste campo. Em seguida, ele abrange temas fundamentais, como a distribuição de probabilidades, teorema de Baies e álgebra linear, antes de passar a aplicações práticas de algoritmos de aprendizagem de máquina, incluindo clusterização, árvores de soluções, florestas aleatórias, máquinas de vetores de apoio e redes neurais. Os leitores também aprenderão sobre a escolha do modelo, a reaproximação, a regularização e a avaliação do modelo, dando-lhes uma base sólida para mais estudos ou práticas profissionais. Ao final do livro, os leitores poderão aplicar seus conhecimentos de aprendizado de máquina em projetos reais, desde limpeza e pré-processamento de dados até desenvolvimento de funções e escolha de modelos. O livro termina com um debate sobre o futuro da aprendizagem de máquinas e seus efeitos na sociedade, encorajando os leitores a refletir criticamente sobre o papel da tecnologia na formação do nosso mundo.

Argomenti aggiuntivi come l'apprendimento della migrazione e l'apprendimento approfondito. Questa introduzione completa all'apprendimento automatico vi insegna come utilizzare Python e scikit - imparare ad applicare questi concetti in progetti reali e prepararvi a una ricerca più approfondita o ad applicazioni professionali. Descrizione del libro: In questa guida completa all'apprendimento automatico, l'autore Matt Mauriello propone un'introduzione dettagliata in questo campo, che comprende sia metodi classici che moderni che sono validi sia per gli aspiranti che per gli esperti. Partendo da una semplice regressione lineare, i lettori studieranno i metodi di apprendimento con l'insegnante e senza l'insegnante prima di immergersi nelle reti neurali e l'apprendimento profondo. Il libro si concentra sulle applicazioni pratiche e sugli esercizi pratici per aiutare i lettori a imparare i principi dell'apprendimento automatico. Con oltre 100 esempi di notebook, Grokking Machine arning offre un'esperienza emozionante che prepara i lettori ai problemi reali. Il libro inizia esplorando la storia e l'evoluzione dell'apprendimento automatico, evidenziando le cardini chiave e i pionieri in questo campo. tratta poi di argomenti fondamentali come la distribuzione delle probabilità, il teorema di Bayes e l'algebra lineare, prima di passare alle applicazioni pratiche di algoritmi di apprendimento automatico, tra cui clusterizzazione, alberi di soluzioni, foreste casuali, macchine vettori di supporto e reti neurali. I lettori conosceranno anche la scelta del modello, la riqualificazione, la regolarizzazione e la valutazione del modello, dando loro una base solida per ulteriori studi o pratiche professionali. Al termine del libro, i lettori potranno utilizzare la conoscenza dell'apprendimento automatico in progetti reali, dalla pulizia e pre-elaborazione dei dati allo sviluppo di funzioni e alla scelta dei modelli. Il libro si conclude con un dibattito sul futuro dell'apprendimento automatico e sul suo impatto sulla società, incoraggiando i lettori a riflettere criticamente sul ruolo della tecnologia nella formazione del nostro mondo.

Weitere Themen wie Transfertraining und Deep arning. Diese umfassende Einführung in maschinelles rnen lehrt e, Python und Scikit zu verwenden - lernen e, diese Konzepte in realen Projekten anzuwenden und bereiten e auf vertiefte Forschung oder professionelle Anwendungen vor. Buchbeschreibung: In diesem umfassenden Handbuch zum maschinellen rnen bietet der Autor Matt Mauriello eine detaillierte Einführung in diesen Bereich und deckt sowohl klassische als auch moderne Techniken ab, die sowohl für Anfänger als auch für erfahrene Praktiker relevant sind. Beginnend mit einer einfachen linearen Regression lernen die ser die Unterrichtsmethoden mit und ohne hrer, bevor sie in neuronale Netzwerke und Deep arning eintauchen. Das Buch konzentriert sich auf praktische Anwendungen und praktische Übungen, um den sern zu helfen, die Prinzipien des maschinellen rnens zu beherrschen. Mit mehr als 100 Beispielen von Laptops bietet Grokking Machine arning eine aufregende Erfahrung, die die ser auf reale Probleme vorbereitet. Das Buch beginnt mit der Erforschung der Geschichte und Entwicklung des maschinellen rnens und hebt wichtige Meilensteine und Pioniere auf diesem Gebiet hervor. Es deckt dann grundlegende Themen wie Wahrscheinlichkeitsverteilungen, Bayes'Theorem und lineare Algebra ab, bevor es zu praktischen Anwendungen von maschinellen rnalgorithmen wie Clustering, Entscheidungsbäumen, Zufallsforsten, Support-Vector-Maschinen und neuronalen Netzwerken übergeht. Die ser erfahren auch etwas über Modellauswahl, Umschulung, Regularisierung und Modellbewertung, was ihnen eine solide Grundlage für weiteres Studium oder berufliche Praxis bietet. Am Ende des Buches können die ser ihr Wissen über maschinelles rnen in realen Projekten anwenden, von der Datenbereinigung und -vorverarbeitung über die Funktionsentwicklung bis hin zur Modellauswahl. Das Buch schließt mit einer Diskussion über die Zukunft des maschinellen rnens und seine Auswirkungen auf die Gesellschaft und ermutigt die ser, kritisch über die Rolle der Technologie bei der Gestaltung unserer Welt nachzudenken.

Dodatkowe tematy, takie jak szkolenia transferowe i głębokie uczenie się. To kompleksowe wprowadzenie do uczenia maszynowego uczy Cię, jak używać Pythona i scikitu - nauczyć się stosować te koncepcje do projektów świata rzeczywistego i przygotować Cię do bardziej dogłębnych badań lub profesjonalnych zastosowań. Książka Opis: W tym kompleksowym przewodniku po nauce maszyn, autor Matt Mauriello oferuje szczegółowe wprowadzenie do dziedziny, obejmujące zarówno klasyczne i nowoczesne techniki, które są istotne dla początkujących, jak i doświadczonych praktyków. Poczynając od prostej regresji liniowej, czytelnicy nauczą się nadzorowanych i niezabezpieczonych technik uczenia się przed zanurzeniem się w sieciach neuronowych i głębokiego uczenia się. Książka skupia się na praktycznych zastosowaniach i ćwiczeniach praktycznych, aby pomóc czytelnikom opanować zasady uczenia maszynowego. Dzięki ponad 100 przykładom laptopów Grokking Machine arning zapewnia wciągające doświadczenie, które przygotowuje czytelników do wyzwań realnych. Książka rozpoczyna się od zbadania historii i ewolucji uczenia maszynowego, podkreślając najważniejsze kamienie milowe i pionierów w tej dziedzinie. Następnie obejmuje tematy fundamentalne, takie jak rozkład prawdopodobieństwa, twierdzenie Bayesa i algebra liniowa, zanim przejdzie do praktycznych zastosowań algorytmów uczenia maszynowego, w tym klastrowania, drzew decyzji, lasów losowych, wektorów wspomagających i sieci neuronowych. Czytelnicy poznają również dobór modelu, przekwalifikowanie, regularyzację i ocenę modelu, dając im solidne podstawy do dalszej nauki lub praktyki zawodowej. Do końca książki czytelnicy będą mogli zastosować swoją wiedzę z zakresu uczenia maszynowego do projektów świata rzeczywistego, od czyszczenia i wstępnego przetwarzania danych po rozwój funkcji i wybór modeli. Książka kończy się dyskusją na temat przyszłości uczenia maszynowego i jego wpływu na społeczeństwo, zachęcając czytelników do krytycznego myślenia o roli technologii w kształtowaniu naszego świata.

נושאים נוספים כגון הכשרה להעברה ולמידה מעמיקה. מבוא מקיף זה ללמידת מכונה מלמד אתכם כיצד להשתמש בפייתון וסקיט - ללמוד ליישם את המושגים הללו בפרוייקטים של העולם האמיתי ולהכין אתכם למחקר מעמיק יותר או ליישום מקצועי. תיאור הספר: במדריך מקיף זה ללמידת מכונה, מציע הסופר מאט מאוריאלו הקדמה מפורטת לתחום, הסוקרת הן טכניקות קלאסיות והן טכניקות מודרניות הרלוונטיות למתחילים והן לעוסקים מנוסים. החל ברגרסיה לינארית פשוטה, הקוראים ילמדו טכניקות למידה מפוקחות ובלתי מפוקחות לפני שישתקעו ברשתות עצביות ובלמידה עמוקה. הספר מתמקד ביישומים מעשיים ותרגולים מעשיים כדי לעזור לקוראים לשלוט בעקרונות למידת מכונה. עם יותר מ-100 דוגמאות של מחשב נייד, Grokking Machine arning מספק חוויה טבילה שמכינה את הקוראים לאתגרים בעולם האמיתי. הספר מתחיל בחקר ההיסטוריה והאבולוציה של למידת מכונה, ומדגיש אבני דרך מרכזיות וחלוצים בתחום. לאחר מכן הוא מכסה נושאים יסודיים כמו התפלגות הסתברות, משפט בייס ואלגברה לינארית לפני שהוא עובר ליישומים מעשיים של אלגוריתמי למידת מכונה, כולל קיבוצים, עצי החלטה, יערות אקראיים, מכונות וקטורים תומכות, ורשתות עצביות. הקוראים ילמדו גם על בחירת מודל, הכשרה מחדש, סדירות והערכת מודל, תוך מתן בסיס מוצק למחקר נוסף או לפרקטיקה מקצועית. עד סוף הספר, הקוראים יוכלו ליישם את הידע שלהם בלמידה של מכונה לפרויקטים של העולם האמיתי, מניקוי ועיבוד מראש של נתונים הספר מסתיים בדיון על עתיד למידת המכונה והשפעתה על החברה, ומעודד את הקוראים לחשוב באופן ביקורתי על תפקידה של הטכנולוגיה בעיצוב עולמנו.''

Transfer eğitimi ve derin öğrenme gibi ek konular. Makine öğrenimine bu kapsamlı giriş size Python ve scikit'i nasıl kullanacağınızı öğretir - bu kavramları gerçek dünyadaki projelere uygulamayı öğrenin ve sizi daha derinlemesine araştırma veya profesyonel uygulama için hazırlayın. Makine öğrenimine yönelik bu kapsamlı kılavuzda, yazar Matt Mauriello, yeni başlayanlar ve deneyimli uygulayıcılar için uygun olan hem klasik hem de modern teknikleri kapsayan, alana ayrıntılı bir giriş sunmaktadır. Basit bir doğrusal regresyondan başlayarak, okuyucular kendilerini sinir ağlarına ve derin öğrenmeye daldırmadan önce denetimli ve denetimsiz öğrenme tekniklerini öğreneceklerdir. Kitap, okuyucuların makine öğrenimi ilkelerine hakim olmalarına yardımcı olmak için pratik uygulamalara ve pratik alıştırmalara odaklanmaktadır. 100'den fazla dizüstü bilgisayar örneği ile Grokking Machine arning, okuyucuları gerçek dünyadaki zorluklara hazırlayan sürükleyici bir deneyim sunar. Kitap, makine öğreniminin tarihini ve evrimini keşfederek, alandaki önemli kilometre taşlarını ve öncüleri vurgulayarak başlıyor. Daha sonra, kümeleme, karar ağaçları, rastgele ormanlar, destek vektör makineleri ve sinir ağları dahil olmak üzere makine öğrenme algoritmalarının pratik uygulamalarına geçmeden önce olasılık dağılımları, Bayes teoremi ve doğrusal cebir gibi temel konuları kapsar. Okuyucular ayrıca model seçimi, yeniden eğitim, düzenlilik ve model değerlendirmesi hakkında bilgi edinecek ve onlara daha fazla çalışma veya mesleki uygulama için sağlam bir temel sağlayacaktır. Kitabın sonunda, okuyucular makine öğrenimi konusundaki bilgilerini, temizleme ve ön işleme verilerinden özellik geliştirme ve model seçimine kadar gerçek dünya projelerine uygulayabilecekler. Kitap, makine öğreniminin geleceği ve toplum üzerindeki etkisi hakkında bir tartışma ile sona eriyor ve okuyucuları dünyamızı şekillendirmede teknolojinin rolü hakkında eleştirel düşünmeye teşvik ediyor.

مواضيع إضافية مثل التدريب على النقل والتعلم العميق. تعلمك هذه المقدمة الشاملة للتعلم الآلي كيفية استخدام Python و scikit - تعلم تطبيق هذه المفاهيم على مشاريع العالم الحقيقي وإعدادك لمزيد من البحث المتعمق أو التطبيق المهني. وصف الكتاب: في هذا الدليل الشامل للتعلم الآلي، يقدم المؤلف مات موريلو مقدمة مفصلة لهذا المجال، تغطي التقنيات الكلاسيكية والحديثة ذات الصلة بالمبتدئين وكذلك الممارسين ذوي الخبرة. بدءًا من الانحدار الخطي البسيط، سيتعلم القراء تقنيات التعلم الخاضعة للإشراف وغير الخاضعة للإشراف قبل الانغماس في الشبكات العصبية والتعلم العميق. يركز الكتاب على التطبيقات العملية والتمارين العملية لمساعدة القراء على إتقان مبادئ التعلم الآلي. مع أكثر من 100 مثال على الكمبيوتر المحمول، يوفر Grokking Machine arning تجربة غامرة تعد القراء لتحديات العالم الحقيقي. يبدأ الكتاب باستكشاف تاريخ وتطور التعلم الآلي، وتسليط الضوء على المعالم الرئيسية والرواد في هذا المجال. ثم يغطي الموضوعات التأسيسية مثل التوزيعات الاحتمالية، ومبرهنة بايز، والجبر الخطي قبل الانتقال إلى التطبيقات العملية لخوارزميات التعلم الآلي، بما في ذلك التكتل، وأشجار القرار، والغابات العشوائية، وآلات ناقلات الدعم، والشبكات العصبية. سيتعرف القراء أيضًا على اختيار النموذج وإعادة التدريب والتسوية وتقييم النموذج، مما يمنحهم أساسًا صلبًا لمزيد من الدراسة أو الممارسة المهنية. بحلول نهاية الكتاب، سيتمكن القراء من تطبيق معرفتهم بالتعلم الآلي على مشاريع العالم الحقيقي، بدءًا من بيانات التنظيف والمعالجة المسبقة إلى ميزة التطوير واختيار النماذج. يختتم الكتاب بمناقشة حول مستقبل التعلم الآلي وتأثيره على المجتمع، مما يشجع القراء على التفكير بشكل نقدي في دور التكنولوجيا في تشكيل عالمنا.

전학 교육 및 딥 러닝과 같은 추가 주제. 머신 러닝에 대한이 포괄적 인 소개는 Python과 scikit을 사용하는 방법을 알려줍니다. 이러한 개념을 실제 프로젝트에 적용하고보다 심층적 인 연구 또는 전문적인 응용 프로그램을 준비하는 방법 책 설명: 기계 학습에 대한이 포괄적 인 가이드에서 저자 Matt Mauriello는 초보자와 숙련 된 실무자와 관련된 고전 및 현대 기술을 모두 다루는 분야에 대한 자세한 소개를 제공합니다. 간단한 선형 회귀로 시작하여 독자는 신경망과 딥 러닝에 몰입하기 전에 감독 및 감독되지 않은 학습 기술을 배웁니다. 이 책은 독자들이 기계 학습의 원칙을 익힐 수 있도록 실용적인 응용 프로그램과 실용적인 연습에 중 100 개가 넘는 랩톱 예제를 통해 Grokking Machine arning은 독자에게 실제 과제에 대비할 수있는 몰입 형 경험을 제공합니다. 이 책은 머신 러닝의 역사와 진화를 탐구하고 해당 분야의 주요 이정표와 개척자를 강조하는 것으로 시작됩니다. 그런 다음 클러스터링, 의사 결정 트리, 랜덤 포레스트, 지원 벡터 머신 및 신경망을 포함한 머신 러닝 알고리즘의 실제 응용으로 넘어 가기 전에 확률 분포, 베이 즈 정리 및 선형 대수와 같은 기본 주제를 다룹니다. 독자는 또한 모델 선택, 재교육, 정규화 및 모델 평가에 대해 배우고 추가 연구 또는 전문 실습을위한 견고한 토대를 제공합니다. 이 책이 끝날 무렵 독자들은 기계 학습에 대한 지식을 청소 및 사전 처리 데이터에서 개발 및 모델 선택에 이르기까지 실제 프로젝트에 적용 할 수 있습니다. 이 책은 머신 러닝의 미래와 사회에 미치는 영향에 대한 토론으로 독자들이 세상을 형성하는 데있어 기술의 역할에 대해 비판적으로 생각하도록 독려합니다.

転送トレーニングやディープラーニングなどの追加トピック。機械学習のこの包括的な紹介では、Pythonとscikitを使用する方法を教えています。これらの概念を実際のプロジェクトに適用し、より詳細な研究や専門的なアプリケーションに備えることを学びます。書籍の説明：機械学習へのこの包括的なガイドでは、著者Matt Maurielloは、初心者だけでなく経験豊富な実践者に関連する古典的および現代的なテクニックの両方をカバーして、フィールドへの詳細な紹介を提供しています。単純な線形回帰から始めて、読者はニューラルネットワークとディープラーニングに没頭する前に、監督され、監視されていない学習テクニックを学びます。本書は、機械学習の原理を習得するための実践的な応用と実践的な演習に焦点を当てています。100を超えるノートパソコンの例を持つGrokking Machine arningは、読者が現実の課題に備える没入型の体験を提供します。この本は、機械学習の歴史と進化を探求し、分野の重要なマイルストーンとパイオニアを強調することから始まります。その後、確率分布、ベイズの定理、線形代数などの基礎的なトピックをカバーし、クラスタリング、意思決定ツリー、ランダムな森林、サポートベクトルマシン、ニューラルネットワークなどの機械学習アルゴリズムの実用的なアプリケーションに移行します。また、モデルの選択、再訓練、規則化、モデル評価についても学び、さらなる研究や専門的実践のための確かな基盤を提供します。本書の終わりまでに、読者は機械学習の知識を、データのクリーニングと前処理から機能開発とモデル選択まで、実際のプロジェクトに適用することができます。この本は、機械学習の未来と社会への影響についての議論で終わり、読者に私たちの世界を形作るための技術の役割について批判的に考えるように促します。