Applied Machine Learning with Python and Scikit-Learn: Practical Projects (bằng tiếng Anh).

Học máy đang thay đổi cách các ngành công nghiệp phân tích dữ liệu và dự đoán, nhưng bắt đầu có thể cảm thấy áp đảo mà không có ứng dụng thực tế. Bạn sẽ chuyển từ việc hiểu các khái niệm dữ liệu cốt lõi sang việc thực hiện các đường ống học máy một cách tự tin. Bằng cách khám phá lý thuyết nền tảng cùng với các bài học viết từng bước, bạn sẽ học cách làm sạch dữ kiện, huấn luyện các mô hình, và đánh giá hiệu suất của chúng bằng cách sử dụng các thư viện tiêu chuẩn của ngành. Bạn sẽ học được: - Hiểu các nguyên tắc cơ bản của học tập giám sát, phân loại và hồi quy. - Chuẩn bị các tập dữ liệu thô cho mô hình sử dụng kỹ thuật xử lý trước dữ kiện Python hiện đại và các đường ống Scikit-Learn. - Thực hiện các thuật toán cổ điển bao gồm Logistic Regression, Decision Trees, Random Forests, và Support Vector Machines. - Đánh giá hiệu suất mô hình sử dụng ma trận lẫn lộn, chính xác, nhớ lại và đường cong ROC. - Xây dựng các dự án thực tế như máy phát hiện spam, máy phân tích cảm xúc và hệ thống phát hiện gian lận thông qua các bài tập mã dẫn. - Apply workflows hiện đại như serialization model for basic deployment and pipeline optimization để giữ mã của bạn sạch và dễ bảo trì. Mỗi mô- đun tăng cường việc học của bạn với các giải thích chi tiết về mã và bài tập viết được thiết kế để xây dựng niềm tin giải quyết vấn đề của bạn. Chương trình này được thiết kế cho người mới bắt đầu tham gia vào lĩnh vực khoa học dữ liệu và học máy. Không cần phải có kinh nghiệm học máy trước đó, mặc dù một hiểu biết cơ bản về lập trình Python sẽ giúp bạn có được nhiều nhất từ tài liệu này. Bắt đầu đọc hôm nay để xây dựng bộ dụng cụ học máy thực tế của bạn.