Let Us Learn Machine Learning (Paperback)
Lingua: inglese
Editore: Bpb Publications, 2026
- Brossura
- Nuovo
Da: AussieBookSeller, Truganina, VIC, AustraliaAussieBookSeller
Venditore AbeBooks dal 22 giugno 2007
Condizione: Nuovo
EUR 61,90
Quantità: 1 disponibile
Aggiungi al carrelloDescrizione dell’articolo da parte del venditore
Paperback. Data is everywhere, but data by itself has little value unless we can learn from it. Let us Learn Machine Learning takes you on a step-by-step journey from raw data to intelligent predictions. Beginning with data preparation and exploration, the book explains how to build, evaluate, and improve machine learning models using techniques such as Linear Regression, Logistic Regression, SVM, KNN, Naive Bayes, Decision Trees, Bagging, Boosting, and more. Along the way, you will learn how to engineer features, select the right models, reduce dimensionality, and deal with real-world challenges such as overfitting and imbalanced datasets. Written in a simple, practical style, this book focuses on developing intuition as much as technical skill, making machine learning accessible to students, developers, and professionals alike. Each chapter contains: Lucid explanation of the concept. Well thought-out, fully working programming examples. End-of-chapter exercises to practice the skills learned in the chapter.WHAT YOU WILL LEARN Build a complete, end-to-end ML pipeline - ingest data from CSV, SQL, APIs, and web scraping; clean and preprocess it; and explore it through univariate, bivariate, and multivariate EDA. Engineer better features - apply encoding, feature scaling (standardization and normalization), transformations (log, square-root, Box-Cox), missing-value imputation, and outlier detection. Master the core supervised algorithms - Linear and Logistic Regression, SVM, KNN, Naive Bayes, and Decision Trees, each built up from intuition to math to working Python code. Control overfitting and boost accuracy - understand the bias-variance trade-off, apply Ridge/Lasso/Elastic Net regularization, and combine models with bagging, Random Forests, and boosting (XGBoost, LightGBM, CatBoost). Evaluate, tune, and go beyond labels - choose the right metrics (precision, recall, F1, ROC-AUC, R2), use cross-validation and hyperparameter tuning while avoiding data leakage, and uncover hidden structure with dimensionality reduction (PCA) and clustering (K-Means, hierarchical).WHO THIS BOOK IS FORThis book is for anyone beginning their machine learning journey - undergraduate and graduate students, software developers and engineers, data analysts, aspiring data scientists, and working professionals switching careers. If you know basic Python and high-school math and want to build real intuition alongside practical skills, this book is for you. No advanced mathematics required. This item is printed on demand. Shipping may be from our Sydney, NSW warehouse or from our UK or US warehouse, depending on stock availability.…
Codice articolo 9788167080042
- Titolo
- Let Us Learn Machine Learning (Paperback)
- Autore
- Yashavant Kanetkar
- Editore
- Bpb Publications
- Anno di pubblicazione
- 2026
- Condizione
- new
- Rilegatura
- Paperback
- Lingua
- inglese
- ISBN 10
- 8167080048
- ISBN 13
- 9788167080042
Data is everywhere, but data by itself has little value unless we can learn from it. Let us Learn Machine Learning takes you on a step-by-step journey from raw data to intelligent predictions. Beginning with data preparation and exploration, the book explains how to build, evaluate, and improve machine learning models using techniques such as Linear Regression, Logistic Regression, SVM, KNN, Naive Bayes, Decision Trees, Bagging, Boosting, and more. Along the way, you will learn how to engineer features, select the right models, reduce dimensionality, and deal with real-world challenges such as overfitting and imbalanced datasets.
Written in a simple, practical style, this book focuses on developing intuition as much as technical skill, making machine learning accessible to students, developers, and professionals alike.
Each chapter contains:
● Lucid explanation of the concept.
● Well thought-out, fully working programming examples.
● End-of-chapter exercises to practice the skills learned in the chapter.
What you will learn
● Build a complete, end-to-end ML pipeline - ingest data from CSV, SQL, APIs, and web scraping; clean and preprocess it; and explore it through univariate, bivariate, and multivariate EDA.
● Engineer better features - apply encoding, feature scaling (standardization and normalization), transformations (log, square-root, Box-Cox), missing-value imputation, and outlier detection.
● Master the core supervised algorithms - Linear and Logistic Regression, SVM, KNN, Naïve Bayes, and Decision Trees, each built up from intuition to math to working Python code.
● Control overfitting and boost accuracy - understand the bias-variance trade-off, apply Ridge/Lasso/Elastic Net regularization, and combine models with bagging, Random Forests, and boosting (XGBoost, LightGBM, CatBoost).
● Evaluate, tune, and go beyond labels - choose the right metrics (precision, recall, F1, ROC-AUC, R²), use cross-validation and hyperparameter tuning while avoiding data leakage, and uncover hidden structure with dimensionality reduction (PCA) and clustering (K-Means, hierarchical).
Who this book is for
This book is for anyone beginning their machine learning journey - undergraduate and graduate students, software developers and engineers, data analysts, aspiring data scientists, and working professionals switching careers. If you know basic Python and high-school math and want to build real intuition alongside practical skills, this book is for you. No advanced mathematics required.
Table of Contents
1. Introduction To Machine Learning
2. End-to-End ML Project
3. Data Ingestion
4. Data Processing
5. Exploratory Data Analysis
6. Feature Engineering - I
7. Feature Engineering - II
8. Linear Models
9. Bias Variance Trade-off
10. Regularization
11. Logistic Regression
12. Model Evaluation
13. Support Vector Machine
14. K-Nearest Neighbor
15. Naïve Bayes Classifier
16. Decision Trees
17. Bagging And Boosting
18. Model Selection
19. Dimensionality Reduction
20. Clustering
"Riassunto" può appartenere a un’altra edizione di questo titolo.
AussieBookSeller
Truganina, VIC, Australia
Venditore AbeBooks dal 22 giugno 2007
Tariffe di spedizione da Australia a U.S.A.
| Articolo | Da 25 a 45 giorni lavorativi | Da 8 a 14 giorni lavorativi |
|---|---|---|
| Primo articolo | EUR 33,35 | EUR 39,66 |
Metodi di pagamento
Informazioni sull’azienda del venditore
The Nile Group Pty Ltd
42 Apex Drive
Truganina, VIC Australia 3029
Condizioni di vendita
We guarantee the condition of every book as it's described on the Abebooks web sites. If you're dissatisfied with your purchase (Incorrect Book/Not as Described/Damaged) or if the order hasn't arrived, you're eligible for a refund within 30 days of the estimated delivery date. If you've changed your mind about a book that you've ordered, please use the Ask bookseller a question link to contact us and we'll respond within 2 business days.
Diritto di recesso
Se sei un consumatore puoi recedere dal contratto in conformità con quanto segue. Per Consumatore si intende qualsiasi persona fisica che agisce per scopi estranei alla propria attività commerciale, imprenditoriale, artigianale o professionale.
Informazioni sul diritto di recesso
Diritto legale di recesso
Hai il diritto di recedere dal presente contratto entro 14 giorni senza fornire alcuna motivazione.
Il periodo di recesso scade dopo 14 giorni dal giorno in cui tu o una terza parte, diversa dal vettore e da te indicata, acquisisce il possesso fisico dell'ultimo bene o dell'ultimo lotto o pezzo.
Per esercitare il diritto di recesso, compila e invia elettronicamente una dichiarazione esplicita sul nostro sito Web, alla voce “I miei acquisti” nella sezione “Mio account”. Ti comunicheremo senza indugio una conferma di ricezione di tale recesso su un supporto durevole (ad es. via e-mail).
Per rispettare il termine di recesso, è sufficiente inviare la comunicazione relativa all'esercizio del diritto di recesso prima della scadenza del periodo di recesso stesso.
Effetti del recesso
In caso di recesso dal presente contratto, ti rimborseremo tutti i pagamenti ricevuti, compresi i costi di spedizione (ad eccezione dei costi supplementari derivanti dalla tua eventuale scelta di un tipo di spedizione diverso dal tipo meno costoso di consegna standard da noi offerto).
Potremo effettuare una detrazione dal rimborso per la perdita di valore dei beni forniti, qualora tale perdita sia il risultato di una manipolazione non necessaria da parte tua.
Eseguiremo il rimborso senza indebito ritardo e non oltre 14 giorni dal giorno in cui saremo informati della tua decisione di recedere dal presente contratto.
Il rimborso sarà effettuato utilizzando lo stesso mezzo di pagamento da te usato per la transazione iniziale, salvo che tu non abbia espressamente concordato altrimenti; in ogni caso, non dovrai sostenere alcun costo quale conseguenza di tale rimborso.
Possiamo trattenere il rimborso finché non avremo ricevuto i beni oppure finché non avrai fornito la prova di averli rispediti, a seconda di quale condizione si verifichi per prima.
Dovrai rispedire i beni o consegnarli a AussieBookSeller, Truganina, Victoria, Australia, senza indebito ritardo e, in ogni caso, entro 14 giorni dal giorno in cui ci hai comunicato la tua volontà di recedere dal presente contratto. Il termine è rispettato se rispedisci i beni prima della scadenza del periodo di 14 giorni. I costi diretti della restituzione dei beni saranno a tuo carico. Sei responsabile solo della diminuzione del valore dei beni risultante da una manipolazione diversa da quella necessaria per stabilire la natura, le caratteristiche e il funzionamento dei beni stessi.
Eccezioni al diritto di recesso
Il diritto di recesso non si applica a:
- La fornitura di giornali, periodici o riviste ad eccezione dei contratti di abbonamento; e
- La fornitura di contenuto digitale non fornito su un supporto materiale (ad es. su un CD o DVD), se al momento dell'invio dell'ordine hai accettato l'inizio dell'esecuzione e hai riconosciuto che non avresti potuto recedere una volta iniziata l'esecuzione.
Condizioni di spedizione
Please note that titles are dispatched from our UK and NZ warehouse. Delivery times specified in shipping terms. Orders ship within 2 business days. Delivery to your door then takes 8-15 days.