OSCHINA-MIRROR/godfanmiao-ML-Kaggle-Gitee-2022

《Python для машинного обучения и практики: от нуля до участия в соревнованиях Kaggle (издание 2022 года)》

1. Краткое содержание книги

Книга «Python для машинного обучения и практики: от нуля до участия в соревнованиях Kaggle» подходит для всех, кто интересуется областью искусственного интеллекта (Artificial Intelligence), особенно машинным обучением (Machine Learning), анализом данных (Data Mining), компьютерным зрением (Computer Vision) и обработкой естественного языка (Natural Language Processing). Она также может быть использована в качестве учебного пособия для профессионального образования и подготовки специалистов по искусственному интеллекту на государственном уровне, а также для оценки профессиональных званий в области искусственного интеллекта на уровне провинций и регистрации аналитиков данных (CDA, CPDA) и других сертификаций.

В эпоху больших данных, владение навыками программирования на Python, анализа данных и машинного обучения является преимуществом для специалистов, работающих с данными, независимо от их области деятельности. Это касается как специалистов в таких областях, как финансы, статистика, математические исследования, физические вычисления, социальные науки и промышленный инжиниринг, так и программистов, аналитиков данных, операционных сотрудников и менеджеров продуктов в интернет-индустрии.

Эта книга основана на языке программирования Python3 и не требует глубоких знаний математических моделей и сложных программ. Она помогает читателям постепенно освоить и овладеть популярными библиотеками для анализа данных на основе Python и поддержки одномашинного, глубокого и распределённого машинного обучения. Эти популярные библиотеки Python включают Pandas, Scikit-learn, PyTorch, TensorFlow, PaddlePaddle и PySpark-ML.

Всего в книге четыре основных раздела:

Введение: включает вводное руководство по основным концепциям книги и подробные инструкции по настройке базовой среды программирования на различных популярных операционных системах (Windows, MacOS и Ubuntu).
Основы: охватывает основы программирования на Python 3.9, анализ данных с использованием Pandas 1.3 и использование Scikit-learn 0.24 для решения классических задач одномашинного (одноядерного/многоядерного) машинного обучения.
Продвинутое обучение: объясняет, как использовать PyTorch 1.9, TensorFlow 2.4 и PaddlePaddle 2.1 для создания различных фреймворков глубокого обучения, а также как выполнять некоторые распространённые задачи распределённого машинного обучения с помощью PySpark 3.1.
Практика: применяет знания программирования, анализа данных и машинного обучения, полученные в этой книге, для участия в различных соревнованиях Kaggle. Также обсуждается использование Git для управления и обслуживания повседневных кодов и проектов программирования в платформах Gitee и Github.

Все практические коды и данные на Python3, представленные в этой книге, были открыты на платформах Gitee и Github:

Для читателей из материкового Китая рекомендуется загрузить материалы с платформы Gitee: https://gitee.com/godfanmiao/ML-Kaggle-Gitee-2022.
Читателям из Гонконга, Макао, Тайваня и зарубежных стран рекомендуется скачать материалы с платформы Github: https://github.com/godfanmiao/ML-Kaggle-Github-2022.

2. Авторы

Фан Мьяо (личная страница)

Старший инженер (заместитель старшего звания) в Пекине.
Эксперт центра картографии четырёхмерной карты группы компаний «Новый век».
Промышленный наставник аспирантов Института управления информационными ресурсами Китайского народного университета.
Доктор философии в области компьютерных наук после получения степени доктора наук в Школе программного обеспечения Университета Цинхуа.
Опубликовал более 20 статей в международных ведущих журналах и конференциях, цитировался Google Scholar более 1000 раз.
Получил более 20 патентов на изобретения в США и Китае.

Сюй Синьтун (личная страница)

Высокопоставленный менеджер по продуктам в индустрии программного обеспечения для Интернета.
Магистр экономики в Австралийском национальном университете, бакалавр экономики в Университете Нанкай.
Имеет два патента на изобретения в США и Китае, 10 патентов на дизайн пользовательского интерфейса GUI.