Packt Large Scale Machine Learning with Python
Large Scale Machine Learning with Python
本书介绍
学习快速构建强大的机器学习模型并部署大规模的预测应用程序。
大型python机器学习项目涉及到许多数据科学家尚未解决的与专门机器学习体系结构和设计相关的新问题。但是,寻找处理大量数据集的算法以及设计和构建平台是一个日益增长的需求。数据科学家必须管理和维护日益复杂的数据项目,随着大数据的增加,对计算和算法效率的需求也越来越高。使用python的大规模机器学习发现了一波新的机器学习算法,这些算法满足了可伸缩性的要求,同时也具有很高的预测精度。o解决问题。但是寻找算法,设计和构建处理大量数据的平台是一个日益增长的需求。数据科学家必须管理和维护。
深入研究可伸缩的机器学习和三种形式的可伸缩性。加快可在桌面计算机上使用的算法,并提供有关并行化和内存分配的技巧。掌握专门为大型项目设计的新算法,并能够处理更大的文件,并学习在大数据环境中的机器学习。我们还将在Hadoop的地图减少框架中介绍最有效的机器学习技术,在python中使用Spot。
风格与方法
这个高效实用的标题充满了你需要的技术、技巧和工具,以确保你的大型python机器学习能够快速、无缝地运行。大规模机器学习解决了一个与当前市场不同的问题。那些使用Hadoop集群和数据密集型环境的人现在可以学习到从原型到生产构建强大的机器学习模型的有效方法。Eep学习第5章:使用TensorFlow深入学习第6章:规模上的分类和回归树第7章:规模上的无监督学习第8章:分布式环境-Hadoop和SMART第9章:实用机器学习
目录
Chapter 1: First Steps to Scalability
Chapter 2: Scalable Learning in Scikit-learn
Chapter 3: Fast SVM Implementations
Chapter 4: Neural Networks and Deep Learning
Chapter 5: Deep Learning with TensorFlow
Chapter 6: Classification and Regression Trees at Scale
Chapter 7: Unsupervised Learning at Scale
Chapter 8: Distributed Environments – Hadoop and Spark
Chapter 9: Practical Machine Learning with Spark
Appendix: Introduction to GPUs and Theano