Deep Learning with Structured Data

出版社 Manning Publications
発売日 2020/12/29
ページ数 264
ISBN-13 9781617296727
お届け日 通常 03月17日~03月24日

通常価格 ¥6,599

税込 配送料は購入手続き時に計算されます。


Deep Learning with Structured Data teaches you powerful data analysis techniques for tabular data and relational databases.

Deep learning offers the potential to identify complex patterns and relationships hidden in data of all sorts. Deep Learning with Structured Data shows you how to apply powerful deep learning analysis techniques to the kind of structured, tabular data you'll find in the relational databases that real-world businesses depend on. Filled with practical, relevant applications, this book teaches you how deep learning can augment your existing machine learning and business intelligence systems.

Purchase of the print book includes a free eBook in PDF, Kindle, and ePub formats from Manning Publications.

About the technology
Here's a dirty secret: Half of the time in most data science projects is spent cleaning and preparing data. But there's a better way: Deep learning techniques optimized for tabular data and relational databases deliver insights and analysis without requiring intense feature engineering. Learn the skills to unlock deep learning performance with much less data filtering, validating, and scrubbing.

About the book
Deep Learning with Structured Data teaches you powerful data analysis techniques for tabular data and relational databases. Get started using a dataset based on the Toronto transit system. As you work through the book, you'll learn how easy it is to set up tabular data for deep learning, while solving crucial production concerns like deployment and performance monitoring.

What's inside

When and where to use deep learning
The architecture of a Keras deep learning model
Training, deploying, and maintaining models
Measuring performance

About the reader
For readers with intermediate Python and machine learning skills.

About the author
Mark Ryan is a Data Science Manager at Intact Insurance. He holds a Master's degree in Computer Science from the University of Toronto.

Table of Contents

1 Why deep learning with structured data?

2 Introduction to the example problem and Pandas dataframes

3 Preparing the data, part 1: Exploring and cleansing the data

4 Preparing the data, part 2: Transforming the data

5 Preparing and building the model

6 Training the model and running experiments

7 More experiments with the trained model

8 Deploying the model

9 Recommended next steps

DeepL 粗訳


ディープラーニングは、あらゆる種類のデータに隠された複雑なパターンや関係性を識別する可能性を提供します。構造化データを用いたディープラーニング は、実際のビジネスが依存しているリレーショナル・データベースの構造化された表形式のデータに、強力なディープラーニング分析技術を適用する方法を示しています。実践的で関連性の高いアプリケーションが満載の本書では、ディープラーニングがどのようにして既存の機械学習およびビジネス・インテリジェンス・システムを強化できるかを教えてくれます。


技術について ここに汚れた秘密があります: ほとんどのデータサイエンスプロジェクトの時間の半分は、データの洗浄と準備に費やされています。しかし、もっと良い方法があります。表形式データやリレーショナル・データベースに最適化されたディープラーニング技術は、激しいフィーチャー・エンジニアリングを必要とせずに、洞察と分析を提供します。データのフィルタリング、検証、スクラビングを大幅に削減して、ディープラーニングのパフォーマンスを引き出すスキルを学びましょう。

Deep Learning with Structured Dataは、表形式データとリレーショナル・データベースのための強力なデータ分析テクニックを教えてくれます。トロントの交通システムに基づいたデータセットを使って始めましょう。この本を読み進めていくうちに、ディープラーニングのための表形式データをいかに簡単に設定できるかを学び、デプロイやパフォーマンス監視などの重要な本番上の問題を解決します。




Mark Ryanは、Intact Insuranceのデータサイエンスマネージャー。トロント大学でコンピュータサイエンスの修士号を取得しています。


1 なぜ構造化データを使ったディープラーニングなのか?

2 例題とPandasデータフレームの紹介

3 データの準備、その1:データの探索とクレンジング

4 データの準備、その2:データの変換

5 モデルの準備と構築

6 モデルの訓練と実験の実行

7 訓練されたモデルを使った更なる実験

8 モデルの配備

9 推奨される次のステップ