Книга: «Машинное обучение на табличных данных: XGBoost, глубокое обучение и ИИ»

Привет, Хаброжители!

Машинное обучение ^[1] может ускорить выполнение повседневных бизнес-задач, таких как сверка счетов, прогнозирование спроса или автоматизация обслуживания клиентов, не говоря уже о более сложных задачах, например выявление мошенничества, прогнозное техническое обслуживание и персонализированный маркетинг. Извлекайте важную информацию из электронных таблиц, реестров, баз данных и других источников, используя градиентный бустинг, глубокое обучение и генеративный ИИ.

«Машинное обучение на табличных данных» описывает практические методы машинного обучения для модернизации каждого этапа анализа бизнес-данных. Вас ждут примеры использования XGBoost и Keras для прогнозирования цен на краткосрочную аренду недвижимости, развертывание локальной модели машинного обучения с помощью Python и Flask и оптимизация рабочих процессов с использованием больших языковых моделей (LLM). Научитесь делать свои модели более мощными и интерпретируемыми.

Что внутри:

Изучение XGBoost.
Применение глубокого обучения к табличным данным.
Развертывание модели на локальной системе и в облаке.
Создание пайплайнов обучения и сопровождение моделей.

Для кого эта книга

Эта книга предназначена для широкой аудитории, которая охватывает специалистов по данным, ML-инженеров, а также представителей бизнеса. Если у вас имеются базовые знания о классических методах машинного обучения и понятие о глубоком обучении, эта книга будет вам особенно полезна. В примерах кода, которые представлены в книге, используется Python, и большинство примеров предназначены для запуска в облачных средах Jupyter Notebook, таких как Google Colab. Очень хорошо, если вам уже знакомы стандартные методы Python для работы с табличными данными, в частности библиотеки pandas и NumPy. Помимо этого главы 10 и 11 включают код, который запускается в среде Google Cloud. При этом вам не обязательно уметь работать с этой платформой — мы расскажем все, что нужно знать; однако, если вам уже приходилось иметь дело с одной из основных облачных сред (AWS, Azure или Google Cloud), этот опыт ^[2] вам пригодится.

«Исследование захватывающих возможностей генеративного ИИ для анализа табличных данных, затрагивающее темы создания синтетических данных, генерации признаков и интерпретации моделей».

— Гас Мартинс, Google

«Бесценный ресурс для изучения практических методов машинного обучения без погружения в излишне сложную теорию».

— Дмитрий Ефимов, Amazon

«Дает знания, необходимые для решения любых задач, связанных с табличными данными. Лука и Райан проделали отличную работу, охватив всю эту многогранную тему».

— Боян Тунгуз, Tabul.AI ^[3]

«Эта книга поможет вам раскрыть весь потенциал машинного обучения для табличных данных и научит выбирать оптимальный подход для вашей задачи».

— Сетаро Исихара, Nikkei Inc.

Об авторах

Книга: «Машинное обучение на табличных данных: XGBoost, глубокое обучение и ИИ» - 2

Марк Райан

руководитель отдела ИИ в Developer Knowledge Platform в Google. Имеет степень бакалавра математики ^[4] в области computer science Университета Ватерлоо и степень магистра computer science Университета Торонто. Является автором двух книг: «Deep Learning with Structured Data» (Manning, 2020) и «Deep Learning with fastai Cookbook» (Manning, 2021). Марку нравится исследовать малоизученные приложения машинного обучения, включая использование генеративного ИИ для модернизации систем COBOL, взаимосвязь реляционных баз данных и машинного обучения, а также тематику этой книги: машинное обучение для анализа табличных данных. Помимо машинного обучения, Марк интересуется историей технологий и любит читать о том, как различные достижения — от железных дорог до мобильных телефонов — изменили наш мир.

Книга: «Машинное обучение на табличных данных: XGBoost, глубокое обучение и ИИ» - 3

Лука Массарон

специалист в области data science с более чем десятилетним опытом преобразования данных в интеллектуальные продукты и решения реальных задач, представляющих ценность для бизнеса. Он является автором бестселлеров по ИИ, машинному обучению и алгоритмам. Лука также трехкратный гроссмейстер (Grandmaster) Kaggle, достигший 7-го места в мировом рейтинге соревнований, и эксперт-разработчик (Developer Expert) Google в области машинного обучения.

Ознакомиться с оглавлением