Data Science i uczenie maszynowe Wrocław

Książka przedstawia uczenie maszynowe w ujęciu praktycznym. Przeprowadzając opisane w niej eksperymenty data science poznamy zastosowanie reguł statystycznych i algorytmów uczenia maszynowego do rozwiązywania konkretnych problemów. Takie podejście oznacza, że studenci informatyki oraz specjaliści -- analitycy, informatycy i bazodanowcy -- zdobędą nie tylko teoretyczną wiedzę, ale również umiejętność jej praktycznego wykorzystania w codziennej pracy. Spis treści: Wstęp XVIIO czym jest ta książka? XVIIData science XVIIIUczenie maszynowe XXDla kogo jest ta książka? XXINarzędzia XXIIUsługa Azure ML XXIIIJęzyk R XXIVMicrosoft R Open XXVPrzykładowe dane XXVIKonwencje i oznaczenia XXVI1. Uczenie maszynowe jako element eksperymentów data science 11.1. Eksploracja danych jako technika wspomagania decyzji 21.2. Modelowanie 41.3. Wiedza i proces uczenia 61.4. Hipotezy 91.5. Założenia eksperymentu data science 101.6. Dwa typy analiz 121.7. Data science jako metoda naukowa 121.8. Przykładowy eksperyment - optymalizacja kampanii marketingowej 141.8.1. Zrozumienie problemu i określenie celów eksperymentu 151.8.2. Zrozumienie danych 161.8.3. Wstępne przetwarzanie danych 171.8.4. Modelowanie 181.8.5. Ocena 181.8.6. Wdrożenie 20Podsumowanie 232. Ocena przydatności danych 252.1. Dane źródłowe262.2. Zmienne 272.2.1. Rozkład częstości zmiennych 302.2.2. Graficzna prezentacja danych 422.2.3. Korelacje (związki między zmiennymi) 442.3. Reprezentatywność danych 502.4. Duplikaty 542.5. Szeregi czasowe 56Podsumowanie 633. Wstępne przetwarzanie danych 653.1. Uzupełnianie brakujących danych 663.2. Poprawianie błędnych danych 713.3. Zmienne numeryczne 713.3.1. Instalowanie dodatkowych bibliotek R w Azure ML 723.3.2. Wartości nietypowe (odstające) 733.3.3. Normalizacja 753.3.4. Dyskretyzacja 773.4. Zmienne kategoryczne 783.4.1. Problem jakości danych tekstowych 793.4.2. Uogólnienie (generalizacja) 803.4.3. Numerowanie stanów 813.4.4. Zmienne porządkowe 833.5. Szeregi czasowe 833.6. Wyrażenia języka naturalnego 893.7. Redukcja wymiarów 943.7.1. Usuwanie zmiennych na podstawie ich zdolności predykcyjnych 953.7.2. Analiza głównych składowych (PCA) 97Podsumowanie 994. Wzbogacanie danych 1014.1. Równoważenie danych 1024.1.1. Usunięcie części przykładów większościowych 1034.1.2. Nadpróbkowanie 1044.2. Zmienne wyliczeniowe 1064.3. Zastąpienie zmiennych wspólnym rozkładem prawdopodobieństwa 1084.4. Wydzielenie danych testowych 1114.4.1. Szeregi czasowe 1154.4.2. Modele rekomendujące 1164.4.3. Modele wykrywania oszustw 1164.5. Wzorzec eksperymentu data science 116Podsumowanie 1175. Klasyfikacja 1195.1. Klasyfikacja poprzez indukcję drzew decyzyjnych 1215.1.1. Drzewa decyzyjne - definicja 1215.1.2. Pojedyncze drzewa decyzyjne 1245.1.3. Kombinacje drzew decyzyjnych 1265.2. Klasyfikacja z użyciem maszyny wektorów nośnych1415.2.1. Przetwarzanie języka naturalnego przy użyciu maszyny wektorów nośnych 1435.2.2. Modele maszyny wektorów nośnych i lokalnie głębokiej maszyny wektorów nośnych 1525.3. Klasyfikacja probabilistyczna 1535.3.1. Sieć Bayesa 1575.3.2. Maszyna punktów Bayesa 1595.4. Inne klasyfikatory dostępne w Studiu Azure ML 1615.4.1. Inne klasyfikatory - omówienie 1615.4.2. Modele eksploracji danych w języku R 1635.5. Klasyfikatory binarne a klasyfikacja wieloklasowa 1645.6. Wykrywanie oszustw jako przykład klasyfikacji binarnej 1675.6.1. Oznaczenie obserwacji 1675.6.2. Zrównoważenie danych i wydzielenie danych testowych 1695.6.3. Wzbogacenie danych 169Podsumowanie 1726. Regresja 1736.1. Model regresji wielorakiej 1796.1.1 Wieloraka regresja liniowa 1816.1.2. Estymacja bayesowska modelu regresji liniowej 1836.2. Zmienne kategoryczne w modelach regresji 1856.2.1. Regresja Poissona 1866.2.2. Regresja porządkowa 1886.3. Regresja kwantylowa 1886.4. Regresja poprzez indukcję drzew decyzyjnych 1916.5. Sztuczne sieci neuronowe 1936.5.1. Perceptron 1986.5.2. Sieci neuronowe a regresja 2006.5.3. Metody minimalizacji błędu2026.5.4. Wsteczna propagacja błędów 2036.5.5. Regresja z użyciem sieci neuronowej 2056.5.6. Głębokie sieci neuronowe 209Podsumowanie 2187. Grupowanie (analiza skupień) 2217.1. Na czym polega grupowanie 2217.2. Algorytmy grupowania 2257.2.1. Grupowanie hierarchiczne 2267.2.2. Grupowanie iteracyjno-optymalizacyjne 2317.3. Grupowanie w celu znajdowania podobnych obiektów 2367.4. Grupowanie w celu kompresji 2397.5. Wykrywanie anomalii 240Podsumowanie 2448. Rekomendowanie 2458.1. Systemy rekomendujące 2458.2. Odkrywanie asocjacji 2508.3. Model Matchbox Recommender 2588.3.1. Rekomendowanie przez filtrowanie kolektywne 2588.3.2. Rekomendowanie przez filtrowanie cech przedmiotów i użytkowników (hybrydowe) 267Podsumowanie 2699. Prognozowanie 2719.1. Szeregi czasowe 2729.2. Naiwne metody prognozowania 2749.3. Modele średniej ważonej 2749.4. Modele ARIMA 2839.5. Modele nieliniowe 2889.6. Prognozowanie w Studiu Azure ML 290Podsumowanie 29210. Ocena i poprawa jakości modeli 29310.1. Reguła powrotu do średniej 29310.2. Kryteria oceny modeli eksploracji danych 29510.2.1. Łatwość interpretacji 29610.2.2. Trafność 29610.2.3. Wiarygodność 29710.2.4. Wydajność i skalowalność 29710.2.5. Przydatność 29710.3. Ocena jakości modeli klasyfikacyjnych 29810.3.1. Moduł Evaluate Model 29810.3.2. Macierz pomyłek 29910.3.3. Krzywa ROC 30210.3.4. Wykres precyzja w funkcji czułości i wykres zysku 30410.3.5. Trafność klasyfikacji 30510.3.6. Klasyfikatory wieloklasowe 30710.4. Ocena jakości modeli regresyjnych 30810.4.1. Miary oceny modeli 30810.4.2. Walidacja krzyżowa 31010.5. Ocena jakości modeli grupujących 31310.6. Ocena jakości modeli rekomendujących 31510.7. Ocena jakości modeli prognozujących 31710.8. Porównanie jakości modeli 32210.9. Poprawa jakości modeli 32610.9.1. Automatyczna poprawa jakości modeli uczenia nadzorowanego 32610.9.2. Znalezienie optymalnej liczby klastrów 33010.10. Cykl życia eksperymentu data science 333Podsumowanie 33411. Publikacja modeli eksploracji danych jako usług WWW 33911.1. Wzorcowy eksperyment data science 34011.2. Predykcyjne usługi WWW 34511.2.1. Zapytania predykcyjne ad-hoc 34811.2.2. Wsadowe zapytania predykcyjne 349Podsumowanie 352Bibliografia 353Dodatek A 361Dodatek B O autorze: Marcin Szeliga - Freelancer data scientist, na co dzień pracuje z SQL Server i Azure, a także szkoli w tym zakresie. Od 2006 roku nieprzerwanie wyróżniany tytułem Microsoft Most Valuable Professional; jeden z dwóch Polaków, którzy otrzymali ten tytuł w kategorii AI. Prelegent na wielu europejskich konferencjach, takich jak Machine Learning Prague, Data Science Summit, SQLDay, 4Developers, SQL Nexus, SQL Saturday, Sphere.it, Claudyna czy Microsoft Technology Summit. Wykładowca akademicki, autor książek i artykułów poświęconych platformie danych Microsoft.