Купить книгу Машинное обучение с использованием LightGBM и Python: практическое руководство по разработке готовых к внедрению систем машинного обучения на русском [PDF, EPUB, FB2, MOBI]

Выведите свое программное обеспечение на новый уровень и решайте реальные задачи в области анализа данных, создавая готовые к внедрению решения на основе машинного обучения с использованием LightGBM и Python.

Основные характеристики

• Начните работу с LightGBM, мощной библиотекой градиентного бустинга для создания решений в области машинного обучения.
• Применяйте методы анализа данных к реальным задачам на основе тематических исследований.
• Улучшите свое программное обеспечение, создавая решения на основе машинного обучения на масштабируемых платформах.
• При покупке печатной книги или книги в формате Kindle вы получаете бесплатную электронную книгу в формате PDF.

Описание книги

«Машинное обучение с LightGBM и Python» — это всеобъемлющее руководство по изучению основ машинного обучения и переходу к созданию масштабируемых систем машинного обучения, готовых к выпуску.

Эта книга познакомит вас с высокопроизводительным фреймворком градиентного бустинга LightGBM и покажет, как его можно использовать для решения различных задач машинного обучения, чтобы получать высокоточные, надежные и прогнозные решения. Начиная с простых моделей машинного обучения в scikit-learn, вы изучите тонкости градиентного бустинга и LightGBM. Вас проведут через различные примеры из практики, чтобы лучше понять процессы обработки данных и научиться применять свои навыки на практике для решения реальных задач. По мере продвижения вы повысите свои навыки разработки программного обеспечения, научившись создавать и интегрировать масштабируемые конвейеры машинного обучения для обработки данных, обучения моделей и их развертывания для предоставления защищенных API с использованием инструментов Python, таких как FastAPI.

К концу этой книги вы будете хорошо подготовлены к использованию различных современных инструментов, которые помогут вам создавать готовые к производству системы, включая FLAML для AutoML, PostgresML для управления конвейерами машинного обучения с использованием Postgres, высокопроизводительное распределенное обучение и обслуживание с помощью Dask, а также создание и запуск моделей в облаке с помощью AWS Sagemaker.

Что вы узнаете

• Получите общее представление о машинном обучении и работе с данными и моделями в Python с помощью scikit-learn.
• Изучите деревья решений, ансамблевое обучение, градиентный бустинг, DART и GOSS.
• Освойте LightGBM и примените его к задачам классификации и регрессии.
• Настраивайте и обучайте свои модели с помощью AutoML с использованием FLAML и Optuna.
• Создавайте конвейеры машинного обучения на Python для обучения и развертывания моделей с использованием безопасных и высокопроизводительных API.
• Масштабируйте свои решения до уровня, готового к внедрению в производство, с помощью AWS Sagemaker, PostgresML и Dask.

Для кого предназначена эта книга?

Эта книга предназначена для инженеров-программистов, стремящихся стать лучшими специалистами по машинному обучению, и для специалистов по анализу данных, незнакомых с LightGBM и желающих получить углубленные знания о его библиотеках. Для начала работы с книгой необходимы базовые или средние знания программирования на Python. Книга также является отличным источником информации для опытных специалистов по машинному обучению, уделяя особое внимание разработке в этой области и предоставляя актуальную и подробную информацию о таких платформах, как AWS Sagemaker, PostgresML и Dask.

Оглавление

1. Введение в машинное обучение и деревья решений.
2. Ансамбли деревьев решений: бэггинг и бустинг.
3. Обзор LightGBM в Python
4. LightGBM, XGBoost и глубокое обучение
5. Оптимизация и настройка параметров LightGBM с помощью Optuna
6. Решение реальных задач с помощью LightGBM
7. LightGBM AutoML с FLAML
8. Конвейеры машинного обучения с использованием LightGBM
9. Развертывание LightGBM в AWS SageMaker
10. Развертывание LightGBM с помощью PostgresML
11. Распределенное обучение и развертывание LightGBM с использованием Dask