Python Machine Learning Cookbook oleh Packt Publishing, disusun oleh Warung Data Indonesia
Ini adalah repositori kode untuk [Cookbook Pembelajaran Mesin Python] (https://www.packtpub.com/big-data-and-business-intelligence/python-machine-learning-cookbook?utm_source=github&utm_medium=repository&utm_campaign=9781786464477) diterbitkan oleh Packt. Ini berisi semua file proyek pendukung yang diperlukan untuk mengerjakan buku ini dari awal hingga selesai. File kode diatur sesuai dengan bab-bab dalam buku ini. Sampel kode ini akan berfungsi pada mesin apa pun yang menjalankan Linux, Mac OS X, atau Windows. Meskipun ditulis dan diuji pada Python 2.7, Anda dapat dengan mudah menjalankannya di Python 3.x dengan perubahan minimal.
Untuk menjalankan contoh kode, Anda perlu menginstal [scikit-learn] (http://scikit-learn.org/stable/install.html), [NumPy] (http://www.scipy.org/scipylib/download .html), [SciPy] (http://www.scipy.org/install.html), dan [matplotlib] (http://matplotlib.org/downloads.html). Untuk Bab 6, Anda perlu menginstal [NLTK] (http://www.nltk.org/install.html) dan [gensim] (https://radimrehurek.com/gensim/install.html). Untuk menjalankan kode di bab 7, Anda perlu menginstal [hmmlearn] (http://hmmlearn.readthedocs.org/en/latest/) dan [python_speech_features] (http://python-speech-features.readthedocs.org/ id / terbaru /). Untuk bab 8, Anda perlu menginstal [Pandas] (http://pandas.pydata.org/getpandas.html) dan [PyStruct] (https://pystruct.github.io/installation.html). Bab 8 juga memanfaatkan hmmlearn. Untuk bab 9 dan 10, Anda perlu menginstal [OpenCV] (http://opencv.org/downloads.html). Untuk bab 11, Anda perlu menginstal [NeuroLab] (https://pythonhosted.org/neurolab/install.html).
Pembelajaran mesin menjadi semakin menyebar di dunia modern yang digerakkan oleh data. Ini digunakan secara luas di berbagai bidang seperti mesin pencari, robot, mobil self-driving, dan sebagainya. Selama buku ini, Anda akan belajar cara menggunakan Python untuk membangun berbagai aplikasi pembelajaran mesin untuk memecahkan masalah dunia nyata. Anda akan memahami cara menangani berbagai jenis data seperti gambar, teks, audio, dan sebagainya.
Kami akan mengeksplorasi berbagai teknik dalam pembelajaran yang diawasi dan tidak diawasi. Kita akan belajar algoritma pembelajaran mesin seperti Support Vector Machines, Random Forests, Hidden Markov Models, Conditional Randoms Fields, Deep Neural Networks, dan banyak lagi. Kami akan membahas tentang teknik visualisasi yang dapat digunakan untuk berinteraksi dengan data Anda. Dengan menggunakan algoritma ini, kita akan membahas cara membuat mesin rekomendasi, melakukan pemodelan prediktif, membangun pengenalan suara, melakukan analisis sentimen pada data teks, mengembangkan sistem pengenalan wajah, dan sebagainya.
Anda akan memahami algoritma apa yang digunakan dalam konteks yang diberikan dengan bantuan panduan berbasis resep yang menarik ini. Anda akan belajar bagaimana membuat keputusan berdasarkan informasi tentang jenis algoritma yang perlu Anda gunakan dan belajar bagaimana menerapkan algoritma tersebut untuk mendapatkan hasil terbaik. Terjebak saat memahami gambar, teks, ucapan, atau bentuk data lainnya? Panduan ini tentang menerapkan teknik pembelajaran mesin untuk masing-masing akan membantu Anda! Kode ini dikomentari dengan baik, sehingga Anda dapat membuatnya dan berjalan dengan mudah. Buku ini berisi semua penjelasan yang relevan dari algoritma yang digunakan untuk membangun aplikasi ini.
Ada banyak perdebatan yang terjadi antara Python 2.x dan Python 3.x. Sementara kami percaya bahwa dunia bergerak maju dengan versi yang lebih baik, banyak pengembang masih menikmati menggunakan Python 2.x. Banyak sistem operasi yang memiliki Python 2.x. Ini juga membantu dalam menjaga kompatibilitas dengan pustaka Python yang belum porting ke Python 3.x. Dengan mengingat hal itu, kode dalam buku ini berorientasi pada Python 2.x. Kami telah mencoba untuk menjaga semua kode agnostik mungkin untuk versi Python, sehingga pengguna Python 3.x tidak akan menghadapi terlalu banyak masalah. Kami fokus pada pemanfaatan pustaka pembelajaran mesin dengan cara sebaik mungkin dengan Python.