【2023新书】低代码AI:实用项目驱动的机器学习入门

以数据优先和用例驱动的方法，用低代码AI理解机器学习和深度学习概念。这本实践指南介绍了三种学习无代码ML的问题焦点方法，使用AutoML、低代码使用BigQuery ML，和使用scikit-learn和Keras的定制代码。在每个案例中，您将通过使用具有实际问题的真实世界数据集来学习关键的ML概念。

商业和数据分析师通过详细、数据驱动的方法得到了一个基于项目的ML/AI介绍：加载和分析数据；将数据馈送到ML模型中；建立、训练、和测试；并将模型部署到生产中。作者Michael Abel和Gwendolyn Stripling向您展示如何为零售、医疗保健、金融服务、能源和电信建立机器学习模型。

您将学会如何：

区分结构化和非结构化数据以及它们所呈现的挑战 可视化和分析数据 预处理数据以输入到机器学习模型中 区分回归和分类监督学习模型 比较不同的ML模型类型和架构，从无代码到低代码到定制训练 设计、实施和调整ML模型 将数据导出到GitHub仓库进行数据管理和治理。