![[Boekrecensie] Feature Engineering for Machine Learning (Alice Zheng) Boeksamenvatting.](https://episodes.castos.com/660078c6833215-59505987/images/2593237/c1a-085k3-8dmn61n9irvr-fhbwvn.jpg)
Show Notes
Feature Engineering for Machine Learning (Alice Zheng)
- Amazon Netherlands Store: https://www.amazon.nl/dp/1491953241?tag=9natreedutch-21
- Amazon Belgium Store: https://www.amazon.com.be/dp/1491953241?tag=9natreebelgium-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
- Lees meer: https://dutch.9natree.com/read/1491953241/
#Logaritmischetransformaties #Bagofwordsenngrammen #Featurehashing #Principalcomponentanalysis #Kmeansalsfeaturisatie #FeatureEngineeringforMachineLearning
Feature Engineering for Machine Learning van Alice Zheng en Amanda Casari is een praktisch non-fictieboek over een vaak onderschat deel van machine learning, het omzetten van ruwe gegevens in bruikbare invoer voor modellen. Waar veel technische boeken vooral algoritmen, training en evaluatie behandelen, richt dit O'Reilly-boek zich op de stappen die daaraan voorafgaan. De auteurs leggen uit hoe numerieke waarden, categorieën, tekst en beelden zó kunnen worden weergegeven dat een model er patronen in kan herkennen. Daarbij combineren ze uitleg van principes met Python-voorbeelden, onder meer met NumPy, Pandas, scikit-learn en Matplotlib. De opzet is probleemgericht. Elk deel vertrekt vanuit een bepaald datatype of een concrete technische uitdaging, en laat zien welke transformaties passend kunnen zijn. Het boek is geen volledige gids voor statistiek of modelselectie. Het doel is specifieker, namelijk lezers leren doordacht te kijken naar de betekenis, verdeling en informatiewaarde van hun data. Daardoor is het vooral een toegankelijke, hands-on aanvulling op een basis in Python en machine learning.
- Amazon Netherlands Store: https://www.amazon.nl/dp/1491953241?tag=9natreedutch-21
- Amazon Belgium Store: https://www.amazon.com.be/dp/1491953241?tag=9natreebelgium-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
- Lees meer: https://dutch.9natree.com/read/1491953241/
#Logaritmischetransformaties #Bagofwordsenngrammen #Featurehashing #Principalcomponentanalysis #Kmeansalsfeaturisatie #FeatureEngineeringforMachineLearning
Feature Engineering for Machine Learning van Alice Zheng en Amanda Casari is een praktisch non-fictieboek over een vaak onderschat deel van machine learning, het omzetten van ruwe gegevens in bruikbare invoer voor modellen. Waar veel technische boeken vooral algoritmen, training en evaluatie behandelen, richt dit O'Reilly-boek zich op de stappen die daaraan voorafgaan. De auteurs leggen uit hoe numerieke waarden, categorieën, tekst en beelden zó kunnen worden weergegeven dat een model er patronen in kan herkennen. Daarbij combineren ze uitleg van principes met Python-voorbeelden, onder meer met NumPy, Pandas, scikit-learn en Matplotlib. De opzet is probleemgericht. Elk deel vertrekt vanuit een bepaald datatype of een concrete technische uitdaging, en laat zien welke transformaties passend kunnen zijn. Het boek is geen volledige gids voor statistiek of modelselectie. Het doel is specifieker, namelijk lezers leren doordacht te kijken naar de betekenis, verdeling en informatiewaarde van hun data. Daardoor is het vooral een toegankelijke, hands-on aanvulling op een basis in Python en machine learning.
