Ebook Scikit-learn - Hơn 80 Recipe Cho Machine Learning Trong Python Với scikit-learn [Ấn Bản Lần 3, Tháng 12/2025] [PDF, EPUB] [9135E]
Hãy trải nghiệm thực tế với thư viện Python được sử dụng rộng rãi nhất trong lĩnh vực machine learning với hơn 80 ví dụ thực tế bao gồm cả các function cốt lõi và nâng cao.
1. Các tính năng chính:
- ✓ Giải quyết các vấn đề kinh doanh phức tạp bằng các phương pháp dựa trên dữ liệu.
- ✓ Làm chủ các công cụ liên quan đến việc phát triển các predictive & prescriptive model.
- ✓ Xây dựng các ML pipeline mạnh mẽ cho các ứng dụng thực tế, tránh những lỗi thường gặp.
2. Mô tả sách:
Được các data scientist, ML engineer và software developer tin dùng, scikit-learn cung cấp một framework linh hoạt, thân thiện với người dùng để triển khai nhiều thuật toán ML, cho phép phát triển và triển khai hiệu quả các mô hình dự đoán trong các ứng dụng thực tế. Ấn bản thứ ba của cuốn sách "Scikit-learn" này sẽ giúp bạn làm chủ ML với các ví dụ thực tế và các tính năng của scikit-learn 1.5.
Phiên bản cập nhật này sẽ đưa bạn vào một hành trình từ việc hiểu các nền tảng của ML và data preprocessing, đến việc triển khai các thuật toán và kỹ thuật nâng cao, và cuối cùng là deploy và tối ưu hóa các mô hình ML trong môi trường production. Trên hành trình này, bạn sẽ khám phá các công thức thực tế, từng bước một, bao gồm mọi thứ từ feature engineering và model selection đến hyperparameter tuning & model evaluation, tất cả đều sử dụng scikit-learn.
Sau khi đọc xong cuốn sách này, bạn sẽ có được kiến thức và kỹ năng cần thiết để tự tin build, evaluate và deploy các ML model phức tạp bằng scikit-learn, sẵn sàng giải quyết nhiều thách thức dựa trên dữ liệu.
3. Những điều bạn sẽ học được:
- ✓ Triển khai nhiều thuật toán ML khác nhau, từ các classifier cơ bản đến các phương pháp kết hợp phức tạp, bằng cách sử dụng scikit-learn.
- ✓ Thực hiện data preprocessing, feature engineering và model selection để chuẩn bị các tập dữ liệu cho hiệu suất mô hình tối ưu.
- ✓ Tối ưu hóa các ML model thông qua hyperparameter tuning và các kỹ thuật cross-validation để cải thiện độ chính xác và độ tin cậy.
- ✓ Deploy các ML model cho các ứng dụng thực tế dễ mở rộng và dễ bảo trì.
- ✓ Evaluate & interpret các model với các metric & visualization nâng cao trong scikit-learn.
- ✓ Khám phá các recipe toàn diện, thực hành được thiết kế riêng cho scikit-learn phiên bản 1.5.
4. Cuốn sách này dành cho ai?
Cuốn sách này dành cho các data scientist cũng như các chuyên gia machine learning và software development muốn nâng cao hiểu biết về các kỹ thuật ML nâng cao. Để tận dụng tối đa cuốn sách này, bạn cần thành thạo lập trình Python và quen thuộc với các thư viện ML thông dụng; ví dụ: pandas, NumPy, matplotlib và sciPy. Hiểu biết về các khái niệm cơ bản về ML, chẳng hạn như linear regression, decision trees và model evaluation metrics sẽ rất hữu ích. Sự quen thuộc với các khái niệm toán học như đại số tuyến tính, giải tích và xác suất cũng sẽ vô cùng quan trọng.
5. Mục lục:
- ✓ Chương 01. Các quy ước chung và các API Element của Scikit-Learn.
- ✓ Chương 02. Pre-Model Workflow & Data Preprocessing.
- ✓ Chương 03. Các kỹ thuật Dimensionality Reduction.
- ✓ Chương 04. Xây dựng các Model với Distance Metrics & Nearest Neighbors.
- ✓ Chương 05. Linear Models & Regularization.
- ✓ Chương 06. Logistic Regression nâng cao và các Extension.
- ✓ Chương 07. Support Vector Machines & Kernel Methods.
- ✓ Chương 08. Tree-Based Algorithm & Ensemble Method.
- ✓ Chương 09. Text Processing & Multiclass Classification.
- ✓ Chương 10. Các kỹ thuật Clustering.
- ✓ Chương 11. Novelty & Outlier Detection.
- ✓ Chương 12. Các kỹ thuật Cross-Validation & Model Evaluation.
- ✓ Chương 13. Deploy các Scikit-Learn Model trong Production.
LƯU Ý: Pass mở file pdf là mật khẩu giải nén chung của tài liệu !