Крупномасштабное машинное обучение вместе с Python
Эта книга посвящена применению методов машинного обучения для работы с большими данными с использованием языка Python. Основная цель — показать, как строить мощные прогнозные модели и развертывать крупномасштабные приложения без необходимости в дорогостоящих корпоративных решениях или больших вычислительных кластерах.
В книге подробно рассматриваются методы масштабируемого обучения с помощью библиотеки Scikit-learn, включая внеядерное обучение и стохастический градиентный спуск. Отдельные главы посвящены нейронным сетям и глубокому обучению с использованием фреймворков Theano, H2O и TensorFlow. Также охвачены темы классификационных и регрессионных деревьев, а также обучения без учителя.
Особое внимание уделяется эффективным методам машинного обучения в распределенных вычислительных средах, таких как MapReduce на платформах Hadoop и Spark, с использованием Python. Книга предлагает практические подходы к вертикальному и горизонтальному масштабированию вычислительных задач.
Издание подходит для специалистов по анализу данных и машинному обучению, которые сталкиваются с необходимостью обработки больших объемов данных и хотят использовать для этого открытые инструменты и библиотеки Python.
