Applied Unsupervised Learning with Python 상세페이지
Applied Unsupervised Learning with Python
Discover hidden patterns and relationships in unstructured data with Python
- 관심 0
소장
전자책 정가
25,000원
판매가
25,000원
출간 정보
- 2019.05.28 전자책 출간
듣기 기능
TTS(듣기) 미지원
파일 정보
- 483 쪽
- 10.5MB
지원 환경
- 앱
- 웹
- PC뷰어
- PAPER
ISBN
9781789958379
UCI
-
Applied Unsupervised Learning with Python
작품 정보
▶What You Will Learn
- Understand the basics and importance of clustering
- Build k-means, hierarchical, and DBSCAN clustering algorithms from scratch with built-in packages
- Explore dimensionality reduction and its applications
- Use scikit-learn (sklearn) to implement and analyse principal component analysis (PCA)on the Iris dataset
- Employ Keras to build autoencoder models for the CIFAR-10 dataset
- Apply the Apriori algorithm with machine learning extensions (Mlxtend) to study transaction data
▶Key Features
- Learn how to select the most suitable Python library to solve your problem
- Compare k-Nearest Neighbor (k-NN) and non-parametric methods and decide when to use them
- Delve into the applications of neural networks using real-world datasets
▶Who This Book Is For
This course is designed for developers, data scientists, and machine learning enthusiasts who are interested in unsupervised learning. Some familiarity with Python programming along with basic knowledge of mathematical concepts including exponents, square roots, means, and medians will be beneficial.
▶Audience
- Applied Unsupervised Learning with Python is designed for developers, data scientists, and machine learning enthusiasts who are interested in unsupervised learning. Some familiarity with Python programming along with basic knowledge of mathematical concepts including exponents, square roots, means, and medians will be beneficial.
▶Approach
- Applied Unsupervised Learning with Python takes a hands-on approach to using Python to reveal the hidden patterns in your unstructured data. It contains multiple activities that use real-life business scenarios for you to practice and apply your new skills in a highly relevant context.
- Understand the basics and importance of clustering
- Build k-means, hierarchical, and DBSCAN clustering algorithms from scratch with built-in packages
- Explore dimensionality reduction and its applications
- Use scikit-learn (sklearn) to implement and analyse principal component analysis (PCA)on the Iris dataset
- Employ Keras to build autoencoder models for the CIFAR-10 dataset
- Apply the Apriori algorithm with machine learning extensions (Mlxtend) to study transaction data
▶Key Features
- Learn how to select the most suitable Python library to solve your problem
- Compare k-Nearest Neighbor (k-NN) and non-parametric methods and decide when to use them
- Delve into the applications of neural networks using real-world datasets
▶Who This Book Is For
This course is designed for developers, data scientists, and machine learning enthusiasts who are interested in unsupervised learning. Some familiarity with Python programming along with basic knowledge of mathematical concepts including exponents, square roots, means, and medians will be beneficial.
▶Audience
- Applied Unsupervised Learning with Python is designed for developers, data scientists, and machine learning enthusiasts who are interested in unsupervised learning. Some familiarity with Python programming along with basic knowledge of mathematical concepts including exponents, square roots, means, and medians will be beneficial.
▶Approach
- Applied Unsupervised Learning with Python takes a hands-on approach to using Python to reveal the hidden patterns in your unstructured data. It contains multiple activities that use real-life business scenarios for you to practice and apply your new skills in a highly relevant context.
작가 소개
▶About the Author
- Benjamin Johnston
Benjamin Johnston is a senior data scientist for one of the world's leading data-driven medtech companies and is involved in the development of innovative digital solutions throughout the entire product development pathway, from problem definition, to solution research and development, through to final deployment. He is currently completing his PhD in machine learning, specializing in image processing and deep convolutional neural networks. He has more than 10 years' experience in medical device design and development, working in a variety of technical roles and holds first-class honors bachelor's degrees in both engineering and medical science from the University of Sydney, Australia.
- Aaron Jones
Aaron Jones is a full-time Senior Data Scientist and consultant. He has built models and data products while working in retail, media, and environmental science. Aaron is based in Seattle, Washington and has a particular interest in clustering algorithms, natural language processing, and Bayesian statistics.
- Christopher Kruger
Christopher Kruger is a practicing data scientist and AI researcher. He has managed applied machine learning projects across multiple industries while mentoring junior team members on best practices. His primary focus is on pushing both business practicality as well as academic rigor in every project. Chris is currently developing research in the computer vision space.
- Benjamin Johnston
Benjamin Johnston is a senior data scientist for one of the world's leading data-driven medtech companies and is involved in the development of innovative digital solutions throughout the entire product development pathway, from problem definition, to solution research and development, through to final deployment. He is currently completing his PhD in machine learning, specializing in image processing and deep convolutional neural networks. He has more than 10 years' experience in medical device design and development, working in a variety of technical roles and holds first-class honors bachelor's degrees in both engineering and medical science from the University of Sydney, Australia.
- Aaron Jones
Aaron Jones is a full-time Senior Data Scientist and consultant. He has built models and data products while working in retail, media, and environmental science. Aaron is based in Seattle, Washington and has a particular interest in clustering algorithms, natural language processing, and Bayesian statistics.
- Christopher Kruger
Christopher Kruger is a practicing data scientist and AI researcher. He has managed applied machine learning projects across multiple industries while mentoring junior team members on best practices. His primary focus is on pushing both business practicality as well as academic rigor in every project. Chris is currently developing research in the computer vision space.
리뷰
0.0
구매자 별점
0명 평가
이 작품을 평가해 주세요!
건전한 리뷰 정착 및 양질의 리뷰를 위해 아래 해당하는 리뷰는 비공개 조치될 수 있음을 안내드립니다.
- 타인에게 불쾌감을 주는 욕설
- 비속어나 타인을 비방하는 내용
- 특정 종교, 민족, 계층을 비방하는 내용
- 해당 작품의 줄거리나 리디 서비스 이용과 관련이 없는 내용
- 의미를 알 수 없는 내용
- 광고 및 반복적인 글을 게시하여 서비스 품질을 떨어트리는 내용
- 저작권상 문제의 소지가 있는 내용
- 다른 리뷰에 대한 반박이나 논쟁을 유발하는 내용
* 결말을 예상할 수 있는 리뷰는 자제하여 주시기 바랍니다.
이 외에도 건전한 리뷰 문화 형성을 위한 운영 목적과 취지에 맞지 않는 내용은 담당자에 의해 리뷰가 비공개 처리가 될 수 있습니다.아직 등록된 리뷰가 없습니다.
첫 번째 리뷰를 남겨주세요!
첫 번째 리뷰를 남겨주세요!
'구매자' 표시는 유료 작품 결제 후 다운로드하거나 리디셀렉트 작품을 다운로드 한 경우에만 표시됩니다.
- 무료 작품 (프로모션 등으로 무료로 전환된 작품 포함)
- '구매자'로 표시되지 않습니다.
- 시리즈 내 무료 작품
- '구매자'로 표시되지 않습니다. 하지만 같은 시리즈의 유료 작품을 결제한 뒤 리뷰를 수정하거나 재등록하면 '구매자'로 표시됩니다.
- 영구 삭제
- 작품을 영구 삭제해도 '구매자' 표시는 남아있습니다.
- 결제 취소
- '구매자' 표시가 자동으로 사라집니다.
개발/프로그래밍 베스트더보기
- 바이브 코딩 너머 개발자 생존법 (애디 오스마니, 강민혁)
- 혼자 공부하는 바이브 코딩 with 클로드 코드 (조태호)
- 요즘 당근 AI 개발 (당근 팀)
- AI 자율학습 밑바닥부터 배우는 AI 에이전트 (다비드스튜디오)
- 알아서 잘하는 에이전틱 AI 시스템 구축하기 (안자나바 비스와스, 릭 탈루크다르)
- 도메인 주도 설계를 위한 함수형 프로그래밍 (스콧 블라신, 박주형)
- 개정2판 | 소프트웨어 아키텍처 The Basics (마크 리처즈, 닐 포드)
- AI 엔지니어링 (칩 후옌, 변성윤)
- 연필과 종이로 풀어보는 딥러닝 수학 워크북 214제 (톰 예(Tom yeh) )
- 밑바닥부터 만들면서 배우는 LLM (세바스찬 라시카, 박해선)
- 러스트 클린 코드 (브렌든 매슈스, 윤인도)
- 요즘 바이브 코딩 클로드 코드 완벽 가이드 (최지호(코드팩토리))
- 처음부터 시작하는 Next.js / React 개발 입문 (미요시 아키, 김모세)
- AI 자율학습 커서 × AI로 완성하는 나만의 웹 서비스 (성구(강성규) )
- 개정판 | <소문난 명강의> 레트로의 유니티 6 게임 프로그래밍 에센스 (이제민)
- 만화로 배우는 리눅스 시스템 관리 1권(PDF 버전) (Piro, 서수환)
- 요즘 개발자를 위한 시스템 설계 수업 (디렌드라 신하 , 테자스 초프라)
- 언리얼 엔진으로 배우는 게임 디자인 패턴 (스튜어트 버틀러, 톰 올리버)
- 데이터베이스 설계, 이렇게 하면 된다 (미크, 윤인성)
- 핸즈온 바이브 코딩 (정도현)
성인 인증 안내
성인 재인증 안내
성인 인증 안내
성인 재인증 안내
청소년보호법에 따라 성인 인증은 1년간
유효하며, 기간이 만료되어 재인증이 필요합니다.
성인 인증 후에 이용해 주세요.
해당 작품은 성인 인증 후 보실 수 있습니다.
성인 인증 후에 이용해 주세요.
청소년보호법에 따라 성인 인증은 1년간
유효하며, 기간이 만료되어 재인증이 필요합니다.
성인 인증 후에 이용해 주세요.
해당 작품은 성인 인증 후 선물하실 수 있습니다.
성인 인증 후에 이용해 주세요.
본문 끝 최상단으로 돌아가기
