Машинное обучение с использованием библиотеки H2О

Представляю новую книгу от  интернет-магазина КТК "Галактика".

Машинное обучение с использованием библиотеки H2О

Сразу, на входе в качестве рекламы: вот этот пост HR Analytics: Using Machine Learning to Predict Employee Turnover по прогнозу текучести персонала сделан на основе библиотеки H2O. Поэтому просто в тему 146 %!
Напомню, что H2O - это библиотека фреймворк, которая позволяет работать с алгоритмами машинного обучения. В R из фреймворков наиболее известен на сегодня пакет caret, но активно развиваются другие (см, например Задача классификации с помощью пакета mlr в r на кейсе по адаптации персонала или Прогноз индивидуального дожития и тюнинг параметров регрессии Кокса в пакете mlr).
H2O в том числе набирает обороты, на stackoverflow и r-bloggers я часто встречаю встречаю материалы по этой библиотеке. И H2O работает как в R, так и в Python.
Поэтому рекомендую)
АННОТАЦИЯ К КНИГЕ

Машинное обучение наконец-то достигло стадии зрелости. При помощи программного обеспечения H2O вы можете решать задачи машинного обучения и анализа данных с использованием простого в использовании и открытого (open source) фреймворка, который поддерживает большое количество операционный систем и языков программирования, а также масштабируется для обработки больших данных. Это практическое руководство научит вас использовать алгоритмы машинного обучения, реализованные в H2O, с упором на наиболее важные для продуктивной работы аспекты.
Если вы умеете программировать на R или Python, хотя бы немного знаете статистику и имеете опыт обработки данных, эта книга Даррена Кука познакомит вас с основами использования H2O и поможет вам поэкспериментировать с машинным обучением на наборах данных разного размера. Вы изучите несколько современных алгоритмов машинного обучения: глубокое обучение, «случайный лес», обучение на неразмеченных данных и ансамбли моделей.

Прочтя эту книгу, вы:

• узнаете, как импортировать данные в H2O, преобразовывать их и экспортировать их из H2O;
• изучите основные концепции машинного обучения, такие как перекрестная проверка и проверочные наборы данных;
• поработаете с тремя разными наборами данных, решая задачи регрессии, бинарной и многоклассовой классификации;
• используете H2O для анализа каждого набора данных при помощи четырех алгоритмов машинного обучения;
• поймете, как работает кластерный анализ и другие алгоритмы обучения на неразмеченных данных.

Купить на сайте издательства
И к этой книге обязательно покупаете книгу
Введение в статистическое обучение с примерами на языке R - это базовая книга от стенфордских профессоров. С нее можно начинать любому. И не важно, что вы хотите работать в Python, а не R - эта самая полная, важная и полезная книга по основам статистики. Содержит уроки по R с кодом. Также есть одноименный курс по книге на сайте Стенфордского университета.