Applied Machine Learning: Practical Techniques for Real-World Problems (bằng tiếng Anh).

Chuyển đổi khoa học dữ liệu lý thuyết thành giải pháp thực tế, thực tế là một trong những kỹ năng có giá trị nhất trong công nghệ hiện đại. Bạn sẽ chuyển từ việc hiểu các thuật toán cơ bản đến việc tự tin chuẩn bị dữ liệu, huấn luyện mô hình, và đánh giá hiệu suất của chúng trong môi trường giống như sản xuất. Bằng cách đọc qua các giải thích rõ ràng và thực hành với các đoạn mã thế giới thực, bạn sẽ phát triển một cách tiếp cận có cấu trúc để giải quyết các thách thức dữ kiện đa dạng. Bạn sẽ học được gì: Hiểu các khái niệm học máy cơ bản, thuật ngữ và chu kỳ sống cốt lõi của các dự án dữ liệu; Chuẩn bị và dọn dẹp các tập dữ kiện thô bằng cách sử dụng thư viện dữ khoản hiện đại cho huấn luyện mô hình tối ưu; Ứng dụng các thuật toán học có giám sát và không giám thị cho các nhiệm vụ phân loại, hồi quy và tập hợp; Đánh giá hiệu suất mô hình sử dụng các chỉ số mạnh mẽ và tránh các bẫy phổ biến như quá phù hợp; Cấu hình các ống dẫn MLOps cơ bản để chuyển đổi mô hình từ phát triển đến triển khai; Thực hành viết mã Python sạch, tái tạo được cho các luồng công việc học máy. Chương trình bắt đầu với các thuật ngữ cơ bản và các nguyên tắc xử lý trước dữ liệu trước khi hướng dẫn bạn qua việc chọn mô hình, huấn luyện và đánh giá. Sau đó bạn sẽ khám phá các thực hành hiện đại để triển khai và giám sát các mô hình của bạn trong các kịch bản thế giới thực. Chương trình này được thiết kế cho người mới bắt đầu muốn có một điểm bắt đầu thực tế trong học máy; sự quen thuộc cơ bản với Python sẽ giúp ích nhưng không cần kinh nghiệm khoa học dữ liệu trước đó. Bắt đầu đọc ngay hôm nay để xây dựng bộ công cụ học máy thực tế của bạn.