Beschreibung
This definitive guide to Machine Learning projects answers the problems an aspiring or experienced data scientist frequently has: Confused on what technology to use for your ML development? Should I use GOFAI, ANN/DNN or Transfer Learning? Can I rely on AutoML for model development? What if the client provides me Gig and Terabytes of data for developing analytic models? How do I handle high-frequency dynamic datasets? This book provides the practitioner with a consolidation of the entire data science process in a single Cheat Sheet.
The challenge for a data scientist is to extract meaningful information from huge datasets that will help to create better strategies for businesses. Many Machine Learning algorithms and Neural Networks are designed to do analytics on such datasets. For a data scientist, it is a daunting decision as to which algorithm to use for a given dataset. Although there is no single answer to this question, a systematic approach to problem solving is necessary. This book describes the various ML algorithms conceptually and defines/discusses a process in the selection of ML/DL models. The consolidation of available algorithms and techniques for designing efficient ML models is the key aspect of this book.
Thinking Data Science will help practising data scientists, academicians, researchers, and students who want to build ML models using the appropriate algorithms and architectures, whether the data be small or big.
Autorenportrait
Poornachandra Sarang, in his IT career spanning four decades, has been consulting large IT organizations on the design and architecture of systems using state-of-the-art technologies. He has authored several books covering a wide range of emerging technologies. Dr. Sarang is a Ph.D. advisor for Computer Science and Engineering and is on the thesis advisory committee for aspiring doctoral candidates. He has designed and delivered courses/curricula for universities at the postgraduate level, including courses and workshops on emerging technologies for industry. He is a known face at technical and research conferences delivering both keynote and technical talks.
Inhalt
Chapter. 1. Data Science Process.- Chapter. 2. Dimensionality Reduction - Creating Manageable Training Datasets.- Chapter. 3. Classical Algorithms - Over-view.- Chapter. 4. Regression Analysis.- Chapter. 5. Decision Tree.- Chapter. 6. Ensemble - Bagging and Boosting.- Chapter. 7. K-Nearest Neighbors.- Chapter. 8. Naive Bayes.- Chapter. 9. Support Vector Machines: A supervised learning algorithm for Classification and Regression.- Chapter. 10. Clustering Overview.- Chapter. 11. Centroid-based Clustering.- Chapter. 12. Connectivity-based Clustering.- Chapter. 13. Gaussian Mixture Model.- Chapter. 14. Density-based.- Chapter. 15.- BIRCH.- Chapter. 16. CLARANS.- Chapter. 17. Affinity Propagation Clustering.- Chapter. 18. STING.- Chapter. 19. CLIQUE.- Chapter. 20. Artificial Neural Networks.- Chapter. 21. ANN-based Applications.- Chapter. 22. Automated Tools.- Chapter. 23. DataScientists Ultimate Workflow.
Informationen zu E-Books
„E-Book“ steht für digitales Buch. Um diese Art von Büchern lesen zu können wird entweder eine spezielle Software für Computer, Tablets und Smartphones oder ein E-Book Reader benötigt. Da viele verschiedene Formate (Dateien) für E-Books existieren, gilt es dabei, einiges zu beachten.
Von uns werden digitale Bücher in drei Formaten ausgeliefert. Die Formate sind EPUB mit DRM (Digital Rights Management), EPUB ohne DRM und PDF. Bei den Formaten PDF und EPUB ohne DRM müssen Sie lediglich prüfen, ob Ihr E-Book Reader kompatibel ist. Wenn ein Format mit DRM genutzt wird, besteht zusätzlich die Notwendigkeit, dass Sie einen kostenlosen Adobe® Digital Editions Account besitzen. Wenn Sie ein E-Book, das Adobe® Digital Editions benötigt herunterladen, erhalten Sie eine ASCM-Datei, die zu Digital Editions hinzugefügt und mit Ihrem Account verknüpft werden muss. Einige E-Book Reader (zum Beispiel PocketBook Touch) unterstützen auch das direkte Eingeben der Login-Daten des Adobe Accounts – somit können diese ASCM-Dateien direkt auf das betreffende Gerät kopiert werden.
Da E-Books nur für eine begrenzte Zeit – in der Regel 6 Monate – herunterladbar sind, sollten Sie stets eine Sicherheitskopie auf einem Dauerspeicher (Festplatte, USB-Stick oder CD) vorsehen. Auch ist die Menge der Downloads auf maximal 5 begrenzt.
