Ebook Machine Learning Ứng Dụng Cho Các Data Science Practitioner [Ấn Bản Lần 1, Tháng 3/2025] [PDF] [9433E]
Tài liệu tham khảo một tập về các kỹ thuật data science để đánh giá và giải quyết các vấn đề kinh doanh bằng cách sử dụng ứng dụng Machine Learning (ML).
Machine Learning ứng dụng dành cho các Data Science Practitioner cung cấp một hướng dẫn thực tế, từng bước để xây dựng các giải pháp ML toàn diện cho những thách thức kinh doanh trong thế giới thực, giúp các data science practitioner đưa ra các quyết định sáng suốt và lựa chọn đúng kỹ thuật cho mọi trường hợp sử dụng.
Không giống như nhiều sách khoa học dữ liệu tập trung vào các thuật toán và coding phổ biến, cuốn sách này có cách tiếp cận toàn diện. Nó trang bị cho bạn kiến thức để đánh giá một loạt các kỹ thuật và thuật toán. Cuốn sách cân bằng các khái niệm lý thuyết với các ví dụ thực tế để minh họa các khái niệm chính, rút ra những insight và demo các ứng dụng. Ngoài các code snippet và review output, cuốn sách cung cấp hướng dẫn về cách diễn giải kết quả.
Cuốn sách này là một nguồn tài nguyên thiết yếu nếu bạn muốn nâng cao hiểu biết của mình về ML và các khả năng kỹ thuật của mình, kết hợp các ví dụ về coding lý thuyết và thực tế. Giả định rằng bạn có hiểu biết cơ bản về việc sử dụng dữ liệu để giải quyết các vấn đề kinh doanh, toán và thống kê cấp trung học phổ thông và các kỹ năng Python coding cơ bản.
Được viết bởi một chuyên gia khoa học dữ liệu nổi tiếng, Machine Learning ứng dụng dành cho các Data Science Practitioner bao gồm các chủ đề thiết yếu, bao gồm:
- ✓ Data Science Fundamentals cung cấp cho bạn cái nhìn tổng quan về các khái niệm cốt lõi, đặt nền tảng để hiểu về ML.
- ✓ Data Preparation bao gồm quá trình framing các ML problem và chuẩn bị dữ liệu và tính năng cho modeling.
- ✓ ML Problem Solving giới thiệu cho bạn một loạt các thuật toán ML, bao gồm Regression, Classification, Ranking, Clustering, Patterns, Time Series và Anomaly Detection.
- ✓ Model Optimization khám phá các framework, decision tree và ensemble method để nâng cao hiệu suất và hướng dẫn lựa chọn mô hình hiệu quả nhất.
- ✓ ML Ethics đề cập đến những cân nhắc về mặt đạo đức, bao gồm fairness, accountability, transparency và ethics.
- ✓ Model Deployment & Monitoring tập trung vào production deployment, performance monitoring và thích ứng với sự thay đổi của mô hình.
Mục lục:
- ✓ Phần 1: Giới thiệu về Machine Learning & Data Science:
- ✓ Chương 01. Tổng quan về Data Science.
- ✓ Phần 2: Data Preparation & Feature Engineering:
- ✓ Chương 02. Data Preparation.
- ✓ Chương 03. Data Extraction.
- ✓ Chương 04. Machine Learning Problem Framing.
- ✓ Chương 05. Data Comprehension.
- ✓ Chương 06. Data Quality Engineering.
- ✓ Chương 07. Feature Optimization.
- ✓ Chương 08. Feature Set Finalization.
- ✓ Phần 3: Build, Train hoặc Estimate ML Model:
- ✓ Chương 09. Regression.
- ✓ Chương 10. Classification.
- ✓ Chương 11. Ranking.
- ✓ Chương 12. Clustering.
- ✓ Chương 13. Patterns.
- ✓ Chương 14. Time Series.
- ✓ Chương 15. Anomaly Detection.
- ✓ Phần 4: Model Performance Optimization:
- ✓ Chương 16. Model Optimization & Model Selection.
- ✓ Chương 17. Decision Tree.
- ✓ Chương 18. Ensemble Methods.
- ✓ Phần 5: ML Ethics:
- ✓ Chương 19. ML Ethics.
- ✓ Phần 6: Productionalize Machine Learning Model:
- ✓ Chương 20. Deploy & Monitor Models.
LƯU Ý: Pass mở file pdf là mật khẩu giải nén chung của tài liệu !