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。
专知便捷查看
便捷下载，请关注专知公众号（点击上方蓝色专知关注）
专知，专业可信的人工智能知识分发，让认知协作更快更好！欢迎注册登录专知www.zhuanzhi.ai，获取100000+AI(AI与军事、医药、公安等)主题干货知识资料！
欢迎微信扫一扫加入专知人工智能知识星球群，获取最新AI专业干货知识教程资料和与专家交流咨询！
点击“阅读原文”，了解使用专知，查看获取100000+AI主题知识资料
