Phân tích dữ liệu và các kỹ thuật học máy

Có thể xem đây là tập tiếp theo sách KHOA HỌC DỮ LIỆU VỚI CÁC KỸ THUẬT HỌC MÁY (CƠ BẢN) ở mức độ chuyên sâu giới thiệu các công cụ Toán như Thống Kê, Đại số tuyến tính, Lý thuyết cơ bản về học máy, Cách thức các thuật toán học máy cụ thể hoạt động và nhiều hơn nữa mà các sinh viên chuyên ngành học về môn học này cần được trang bị. Sách giới thiệu nhanh về các thành phần thiết yếu của ngôn ngữ Python dành cho các nhà nghiên cứu và nhà phát triển Phân tích dữ liệu, học máy và học sâu. Nền tảng học máy vững chắc được trình bày bởi chuyên gia. Toàn bộ vòng đời phát triển học máy được áp dụng cho các dự án cấp doanh nghiệp. Bao gồm mã hóa  Python, điện toán khoa học, thuật toán tối ưu hóa, AI có thể giải thích và các phương pháp tiên tiến hướng đến sự đơn giản, khả năng mở rộng, khả năng tái sử dụng, khả năng nhân rộng, triển khai nhanh và bảo trì dễ dàng. Từ làm sạch dữ liệu đến thiết kế mô hình, thử nghiệm và lựa chọn tính năng, cho đến những hình ảnh trực quan tuyệt vời dễ dàng cho các bên liên quan và người ra quyết định.Tùy thuộc vào nền tảng và sở thích của sinh viên, các chủ đề có thể bao gồm dữ liệu tăng cường, mô hình tổng quát và hỗn hợp, dữ liệu lớn, mạng thần kinh sâu, Nhiều thuật toán học máy được trình bày.

Nội dung sách trình bày qua 440 trang khổ 16 x 24 cm với 12 chương.

Chương 1: Làm quen với Python và thư viện.
Chương 2: Tổng quan về Trí tuệ nhân tạo, Khoa học dữ liệu, Học máy và Học sâu.
Chương 3: Thống kê.
Chương 4: Đại số tuyến tính.
Chương 5: Trực quan hóa dữ liệu.
Chương 6: Truy xuất, xử lý và lưu trữ dữ liệu.
Chương 7: Làm sạch dữ liệu.
Chương 8: Xử lý tín hiệu và chuỗi thời gian.
Chương 9: Học có giám sát – Phân tích hồi quy.
Chương 10: Học có giám sát – Các kỹ thuật phân loại.
Chương 11: Học không giám sát – Pca và phân cụm.
Chương 12: Phân tích dữ liệu dạng văn bản.