В издательстве ДМК Пресс вышла новая переводная книга по машинному обучению - "Построение систем машинного обучения на языке Python" (оригинал - "Building Machine Learning Systems with Python"). Как следует из названия, все примеры в книге построены на Python - одном из главных конкурентов R в области "науки о данных" в настоящее время. Тем не менее, для понимания описанных примеров знание Python не обязательно - читателю достаточно иметь опыт программирования на любом другом языке и некоторую подготовку в статистике.
На мой взгляд, основным достоинством этой книги является ее практическая ориентация - все примеры представляют собой конкретные прикладные проблемы. Необходимая теоретическая часть также описана простым и понятным языком. Таким образом, книга будет интересна всем, кто интересуется методами машинного обучения и их практическим применением, вне зависимости от программного обеспечения, которое используется для реализации этих методов.
спасибо вам за очередную полезную новость.
Возможно вопрос немного не по формату Вашего блога, но раз уж Вы подняли тему о Python, хочу воспользоваться случаем и поинтересоваться о вашем мнении относительно альтернативных языков программирования, которые используется в Анализ Данных. По Вашему мнению, какие преимущества у R по сравнению с Python и набирающую популярность Julia?
Если очень кратко, то мое мнение таково: нужно просто четко понимать, что разные инструменты (здесь - языки) предназначены для выполнения разных задач. R - это язык изначально созданный статистиками для статистиков, и отсюда все то огромное разнообразие методов анализа и способов визуализации данных, которое мы имеем в "экосистеме R". Несмотря на эти преимущества, никому не придет в голову писать production-код на R, потому как этот язык просто не предназначен для этого. Python же - язык общего назначения, на котором такой код писать можно. Сучетом того, что сейчас есть несколько активно развивающихся Python-пакетов для анализа данных, этот язык становтся очень привлекательным для создания полноценных приложений, включающих статистические модели и т.п. компоненты. Вот, собственно, и вся разница. Для решения той или иной задачи нужно просто использовать подходящий случаю инструмент. Так и с Julia - она отличается быстродействием и потенциально хороша для работы с "большими данными" (хотя и для R теперь есть отличные решения, вроде H20). Но я лично сомневаюсь, что для Julia (да и для Python тоже) когда-нибудь будет написано столько же пакетов, сколько написано для R.
Ссылки по теме: спросите у Гугла "r vs python"
Ис чего следует, что Язык R в применении Shiny имеет право существование не только на "экспериментальные" разработки, но и на вполне промышленные технологии.
Сергей или я не правильно понимаю ваши слова?
Так это уже и сейчас сделано, и работает
там уже это есть, вот например:
http://shiny.rstudio.com/gallery/plot-interaction-selecting-points.html
аналогично и с зумом, может не очень удобно, но тем не менее.
Но если сделают более удобнее, то будет вообще супер.
Отправить комментарий