![[समीक्षा] Feature Engineering for Machine Learning (Alice Zheng) सारांशित.](https://episodes.castos.com/660078c6833215-59505987/images/2548454/c1a-085k3-5zro09gju1wj-fcm0is.jpg)
Show Notes
Feature Engineering for Machine Learning (Alice Zheng)
- Amazon India Store: https://www.amazon.in/dp/1491953241?tag=9natreehindi-21
- Amazon Worldwide Store: https://global.buys.trade/Feature-Engineering-for-Machine-Learning-Alice-Zheng.html
- Apple Books: https://books.apple.com/us/audiobook/designing-machine-learning-systems-an-iterative/id1795798192?itsct=books_box_link&itscg=30200&ls=1&at=1001l3bAw&ct=9natree
- eBay: https://www.ebay.com/sch/i.html?_nkw=Feature+Engineering+for+Machine+Learning+Alice+Zheng+&mkcid=1&mkrid=711-53200-19255-0&siteid=0&campid=5339060787&customid=9natree&toolid=10001&mkevt=1
- और पढ़ें: https://hindi.9natree.com/read/1491953241/
#लॉगऔरपावररूपांतरण #बैगऑफवर्ड्सऔरएनग्राम #फीचरहैशिंग #प्रिंसिपलकंपोनेंटएनालिसिस #केमीन्सफीचराइजेशन #FeatureEngineeringforMachineLearning
फीचर इंजीनियरिंग फॉर मशीन लर्निंग, प्रिंसिपल्स एंड टेक्नीक्स फॉर डेटा साइंटिस्ट्स, एलिस झेंग और अमांडा कसारी की व्यावहारिक तकनीकी पुस्तक है. इसका विषय उन प्रक्रियाओं पर केंद्रित है जिनके द्वारा कच्चे डेटा को ऐसे संख्यात्मक संकेतों, अर्थात फीचरों, में बदला जाता है जिन्हें मशीन लर्निंग मॉडल उपयोग कर सकें. पुस्तक का उद्देश्य किसी एक एल्गोरिदम को श्रेष्ठ बताना नहीं, बल्कि डेटा के प्रकार, उसके वितरण, उसकी गुणवत्ता और समस्या के संदर्भ के अनुसार उपयोगी प्रतिनिधित्व चुनना सिखाना है. इसमें संख्यात्मक, श्रेणीबद्ध, पाठ और छवि डेटा के लिए अलग-अलग तकनीकों को पाइथन उदाहरणों के माध्यम से समझाया गया है. नम्पाइ, पैंडास, स्किकिट लर्न और मैटप्लॉटलिब का प्रयोग इसे अभ्यासोन्मुख बनाता है. पुस्तक की केंद्रीय मान्यता है कि मॉडल की गुणवत्ता केवल मॉडल की जटिलता से तय नहीं होती. सही ढंग से साफ, रूपांतरित और प्रस्तुत किया गया डेटा अपेक्षाकृत सरल मॉडल को भी अधिक उपयोगी परिणाम दे सकता है. इसलिए यह पुस्तक मशीन लर्निंग पाइपलाइन के अक्सर उपेक्षित, किंतु निर्णायक, डेटा-तैयारी चरण का संगठित परिचय देती है.
- Amazon India Store: https://www.amazon.in/dp/1491953241?tag=9natreehindi-21
- Amazon Worldwide Store: https://global.buys.trade/Feature-Engineering-for-Machine-Learning-Alice-Zheng.html
- Apple Books: https://books.apple.com/us/audiobook/designing-machine-learning-systems-an-iterative/id1795798192?itsct=books_box_link&itscg=30200&ls=1&at=1001l3bAw&ct=9natree
- eBay: https://www.ebay.com/sch/i.html?_nkw=Feature+Engineering+for+Machine+Learning+Alice+Zheng+&mkcid=1&mkrid=711-53200-19255-0&siteid=0&campid=5339060787&customid=9natree&toolid=10001&mkevt=1
- और पढ़ें: https://hindi.9natree.com/read/1491953241/
#लॉगऔरपावररूपांतरण #बैगऑफवर्ड्सऔरएनग्राम #फीचरहैशिंग #प्रिंसिपलकंपोनेंटएनालिसिस #केमीन्सफीचराइजेशन #FeatureEngineeringforMachineLearning
फीचर इंजीनियरिंग फॉर मशीन लर्निंग, प्रिंसिपल्स एंड टेक्नीक्स फॉर डेटा साइंटिस्ट्स, एलिस झेंग और अमांडा कसारी की व्यावहारिक तकनीकी पुस्तक है. इसका विषय उन प्रक्रियाओं पर केंद्रित है जिनके द्वारा कच्चे डेटा को ऐसे संख्यात्मक संकेतों, अर्थात फीचरों, में बदला जाता है जिन्हें मशीन लर्निंग मॉडल उपयोग कर सकें. पुस्तक का उद्देश्य किसी एक एल्गोरिदम को श्रेष्ठ बताना नहीं, बल्कि डेटा के प्रकार, उसके वितरण, उसकी गुणवत्ता और समस्या के संदर्भ के अनुसार उपयोगी प्रतिनिधित्व चुनना सिखाना है. इसमें संख्यात्मक, श्रेणीबद्ध, पाठ और छवि डेटा के लिए अलग-अलग तकनीकों को पाइथन उदाहरणों के माध्यम से समझाया गया है. नम्पाइ, पैंडास, स्किकिट लर्न और मैटप्लॉटलिब का प्रयोग इसे अभ्यासोन्मुख बनाता है. पुस्तक की केंद्रीय मान्यता है कि मॉडल की गुणवत्ता केवल मॉडल की जटिलता से तय नहीं होती. सही ढंग से साफ, रूपांतरित और प्रस्तुत किया गया डेटा अपेक्षाकृत सरल मॉडल को भी अधिक उपयोगी परिणाम दे सकता है. इसलिए यह पुस्तक मशीन लर्निंग पाइपलाइन के अक्सर उपेक्षित, किंतु निर्णायक, डेटा-तैयारी चरण का संगठित परिचय देती है.
