Scikit-Learn и TensorFlow. Машинное обучение на Python

Введение

Книга «Scikit-Learn и TensorFlow. Машинное обучение на Python» (оригинальное название Hands-On Machine Learning with Scikit-Learn and TensorFlow) — это одно из самых авторитетных и практико-ориентированных руководств по машинному обучению (ML) и глубокому обучению (DL) на языке Python. Автор, Aurélien Géron, бывший инженер Google, сумел создать учебник, который одинаково полезен как новичкам, делающим первые шаги в Data Science, так и опытным разработчикам, желающим углубить свои знания. Третье издание (2022 год) полностью переработано и актуализировано под современные версии библиотек, включая TensorFlow 2.x и Scikit-Learn 1.x.

О чём эта книга

Книга охватывает полный цикл работы с данными: от постановки задачи и предобработки данных до построения, оценки и развёртывания моделей. Весь материал разбит на две большие части:

• Часть I. Основы машинного обучения — посвящена классическим алгоритмам: линейная и логистическая регрессия, SVM, деревья решений, ансамблевые методы (Random Forest, Gradient Boosting), кластеризация (K-Means, DBSCAN) и методы снижения размерности (PCA). Все примеры реализованы с помощью библиотеки Scikit-Learn.
• Часть II. Глубокое обучение и нейронные сети — охватывает теорию и практику нейронных сетей: от простого перцептрона до свёрточных (CNN) и рекуррентных (RNN) сетей, а также трансформеров и генеративно-состязательных сетей (GAN). Вторая часть полностью построена на TensorFlow 2.x и Keras.

Особое внимание уделяется практическим аспектам: работе с реальными наборами данных, настройке гиперпараметров, регуляризации, аугментации данных и развёртыванию моделей с помощью TensorFlow Serving и TF Lite.

Для кого эта книга

Книга рассчитана на широкую аудиторию:

• Начинающих специалистов по Data Science — тех, кто уже знаком с основами Python и хочет системно изучить машинное обучение.
• Программистов, переходящих в ML — разработчиков на Python, которые хотят применить свои навыки в области искусственного интеллекта.
• Студентов технических специальностей — для углублённого изучения теории и практики ML.
• Опытных ML-инженеров — как справочник и источник лучших практик, особенно в части глубокого обучения.

Что узнает читатель

После прочтения книги вы сможете:

• Понимать и реализовывать основные алгоритмы машинного обучения с помощью Scikit-Learn.
• Строить и обучать нейронные сети любой сложности с использованием TensorFlow и Keras.
• Правильно оценивать качество моделей (cross-validation, метрики, confusion matrix).
• Применять методы регуляризации для борьбы с переобучением.
• Работать с изображениями, текстом и временными рядами.
• Развёртывать модели в production с помощью TensorFlow Serving.
• Использовать современные архитектуры (трансформеры, GAN) для решения сложных задач.

Сильные стороны книги

Книга выделяется на фоне других учебников по нескольким причинам:

• Практическая направленность — каждая глава содержит готовые к запуску примеры кода, которые можно сразу применить к своим данным.
• Актуальность — третье издание вышло в 2022 году и охватывает последние версии библиотек, включая TensorFlow 2.9 и Scikit-Learn 1.1.
• Понятный стиль изложения — сложные концепции объясняются простым языком, с множеством иллюстраций и аналогий.
• Глубина — автор не просто показывает, как вызвать функцию, но и объясняет, почему алгоритм работает именно так, с математической подоплёкой.
• Структурированность — логичное построение материала: от простого к сложному, с чёткими резюме и упражнениями в конце каждой главы.

Кому рекомендуется

Мы настоятельно рекомендуем эту книгу всем, кто хочет освоить машинное обучение на Python с нуля или систематизировать уже имеющиеся знания. Она станет отличным дополнением к библиотеке любого разработчика, интересующегося Data Science и искусственным интеллектом. Единственное требование — уверенное владение основами Python (переменные, функции, циклы, работа с библиотеками NumPy и Pandas).