Друзья, поздравляю вас с наступившим новым годом и желаю дочитать этот пост с анонсом новой книги до конца! 🙂 Но сначала сообщу, что вчера вышли из типографии сразу две мои последние книги: по pandas и по машинному обучению с помощью Excel. Так что все, кто заказывал их бумажные версии, очень скоро их получат!
А теперь к новой книге! Она в некотором роде станет продолжением идеи последней моей переведенной книги, в которой методы машинного обучения объясняются на примере Excel. На этот раз вы сможете пощупать все эти методы руками с помощью потрясающего бесплатного визуального инструмента под названием KNIME!
KNIME – это мощная платформа для анализа данных и машинного обучения с удобным визуальным интерфейсом и практически без написания кода. Если вы не встречались с ней, просто введите в поисковике KNIME и посмотрите картинки, вы всё поймете.
Итак, новая книга в оригинале называется Predictive Analytics with KNIME, а ее рабочее название на русском звучит так: Предсказательная аналитика с KNIME
(методы машинного обучения – наглядно и доступно). В этой книге вы познакомитесь с принципами машинного обучения и сможете изучить все основные методы ML, не написав ни строчки кода. KNIME – это бесплатный инструмент, который поможет вам освоить анализ данных, включая их очистку и подготовку, только при помощи мышки.
Книга будет закончена уже в середине февраля. Записаться на предзаказ книги и первым получить мои промокоды на скидку можно очень просто: откройте моего бота (@alexanderginko_books_bot), нажмите на кнопку Оформить предзаказ на книги и выберите эту книгу! Как только перевод будет завершен, вы получите в телеге мои промокоды и ссылку на покупку. Также вы можете в онлайне следить за прогрессом перевода книги. Для этого в боте нажмите на кнопку Прогресс перевода книг и выберите книгу.
Содержание будущей книги:
Глава 1. Введение в аналитику
Глава 2. Определение поставленной задачи
Глава 3. Введение в KNIME
Глава 4. Подготовка данных
Глава 5. Снижение размерности
Глава 6. Регрессия методом наименьших квадратов
Глава 7. Логистическая регрессия
Глава 8. Деревья регрессии и классификации
Глава 9. Наивный Байес
Глава 10. Метод k-ближайших соседей
Глава 11. Нейронные сети
Глава 12. Ансамблевые методы
Глава 13. Кластерный анализ
Глава 14. Презентация и развертывание
Все на предзаказ!!!