En lugar de libros, sugiero más tutoriales en línea. Tienes una era de curso, análisis de Vidhya, Kaggle, escuchar datos … varios canales de YouTube. Por lo tanto, la ciencia de datos juntos puede obtener una idea en cualquier lugar, es una colección de técnicas en las que necesitas recogerlas, con qué técnica estás bien versado y puedes comenzar a desarrollar tus habilidades.
Este libro está escrito por Jared P. Lander. Es un libro decente que cubre todos los aspectos de la ciencia de datos, como la visualización de datos, la manipulación de datos, el modelado predictivo, pero no con tanta profundidad. Puedes entenderlo, ya que cubre una gran cantidad de temas y se pierde detalles de cada uno. Precisamente, hace hincapié en los criterios de uso de los algoritmos y en un ejemplo, cada uno de los cuales muestra su implementación en R. Estos libros deberían ser presentados por personas que estén más inclinadas a comprender el lado práctico de los algoritmos.
Aprendizaje automático con R
- ¿Cuál es su opinión sobre ‘El libro de la ciudad de las damas’?
- ¿Cuál es el mejor libro de motivación en hindi?
- ¿Cuáles son algunos libros técnicos realmente bien escritos en su campo?
- ¿Cuál es el término especial para un género de novela de fantasía en el que el protagonista es llevado a un juego de rol de nuestro mundo?
- ¿Dónde puedo comprar libros de KC Sinha?
Este libro está escrito por Brett Lantz. Estoy impresionado por la simplicidad de la forma en que este autor explica los conceptos. Es un libro sobre aprendizaje automático que es fácil de entender y que también le proporcionará muchos conocimientos sobre sus aspectos prácticos. Algoritmos como embolsado, refuerzo, SVM, red neuronal, agrupamiento, etc. se discuten resolviendo los estudios de caso respectivos. Estos estudios de caso lo ayudarán a comprender el uso real de estos algoritmos. Además, el conocimiento de los parámetros de ML también se discute
Creo que estos libros son buenos y son meramente una sugerencia, y puede obtener más información de los tutoriales en línea para un aprendizaje más profundo, tome muestras de conjuntos de datos disponibles a primera vista y comience a practicar.