Jesteśmy społecznością, która kocha książki

Książka o tyle dobra, że rzeczywiście łączy ze sobą teorię i praktykę. Jeśli ktoś chce wiedzieć, jak utworzyć model uczenia za pomocą Pythona, to rzeczywiście tutaj znajdzie tego dokładne przykłady. Jest też tłumaczenie metod uczenia maszynowego oraz sieci neuronowych od strony teorii, ale nie jestem pewien, czy mogę to nazwać przystępne - autor się stara, ale gdy "uruchamia" aparat matematyczny, to niekiedy jest zrozumiale, a niekiedy stosuje tak jakby skróty myślowe i nagle wchodzi na poziom, przez który jedną stronę trzeba czytać kilka razy. Nie jest to książka do czytania od deski do deski, choćby ze względu na eksperymenty - to dobre, że autor pokazuje, które modele są lepsze w danych sytuacjach oraz jak to się bada. Są też wykresy, które uzmysławiają nam, jak podchodzić do danych wyników. Jednocześnie nie są to fragmenty, które trzeba przeglądać bardzo dokładnie, co na pewno pomoże w przełknięciu tej ok. 450-stronicowej książki. Warto pamiętać, że jeśli chodzi o sieci neuronowe, to są tutaj tyle proste nadzorowane i splotowe - nie ma nienadzorowanych, rekurencyjnych, a tym bardziej ze wzmacnianiem. Z klasycznych metod jest m.in. naiwny Bayes, centroid, k najbliższych sąsiadów, drzewa, lasy i SVM. Także sami musicie wybrać, czy to faktycznie te kwestie, które Was interesują.