Эта книга — отличный источник информации для каждого, кто собирается использовать машинное обучение на практике. Ныне машинное обучение стало неотъемлемой частью различных коммерческих и исследовательских проектов, и не следует думать, что эта область — прерогатива исключительно крупных компаний с мощными командами аналитиков.

Эта книга научит вас практическим способам построения систем МО, даже если вы еще новичок в этой области. В ней подробно объясняются все этапы, необходимые для создания успешного проекта машинного обучения, с использованием языка Python и библиотек scikit-learn, NumPy и matplotlib. Авторы сосредоточили свое внимание исключительно на практических аспектах применения алгоритмов машинного обучения, оставив за рамками книги их математическое обоснование. Данная книга адресована специалистам, решающим реальные задачи, а поскольку область применения методов МО практически безгранична, прочитав эту книгу, вы сможете собственными силами построить действующую систему машинного обучения в любой научной или коммерческой сфере.

Книга обсуждается в отдельном сообщении в блоге Виктора Штонда.

Об авторах

Андреас Мюллер получил ученую степень доктора наук по машинному обучению в Боннском университете.

В течение года он работал на должности специалиста по машинному обучению в компании Amazon, занимаясь решением прикладных задач в области компьютерного зрения. В настоящий момент Андреас работает в Центре изучения данных Нью-Йоркского университета. В течение последних четырех лет он стал куратором и одним из ключевых разработчиков библиотеки scikit-learn — популярного инструмента машинного обучения, широко используемого в промышленности и науке. Кроме того, Андреас является автором и разработчиком еще нескольких популярных пакетов машинного обучения. Свою миссию он видит в том, чтобы создавать инструменты с открытым программным кодом, которые позволяют устранить препятствия, мешающие более активному использованию машинного обучения в прикладных задачах, а также содействуют продвижению воспроизводимой науки (reproducible science) и упрощают применение высокоточных алгоритмов машинного обучения.

Сара Гвидо — специалист по анализу данных, имеет большой опыт работы в стартапах. Она имеет степень магистра по информатике, которую получила в Мичиганском университете. В настоящее время проживает в Нью-Йорке. Сфера ее интересов — язык Python, машинное обучение, большие объемы данных и мир новейших технологий. Совсем недавно Сара стала ведущим специалистом по анализу данных в компании Bitly. Помимо этого, она является постоянным спикером на конференциях по машинному обучению.