Nach längerer Zeit folgt an dieser Stelle mal wieder eine Buchrezension. In diesem Artikel wird das Buch „Machine Learning mit Python“ mit dem Untertitel „Das Praxis-Handbuch für Data Science, Predictive Analytics und Deep Learning“ vom Autor Sebastian Raschka besprochen. Erschienen ist das Buch beim mitp Verlag. Zu dem handelt es sich bei diesem Buch um eine Übersetzung aus dem Englischen.
Hinweis: Der mitp Verlag stellte mir für die Rezension ein Rezensionsexemplar frei zur Verfügung. Das Buch erschien in der deutschen Übersetzung bereits am 30. November 2016, am 22. Dezember 2017 folgt dann schon die zweite Auflage, in dem der Fokus um TensorFlow erweitert wurde. Diese Rezension richtet sich explizit auf die erste Auflage des Buches. Genannte Kritik-Punkte können durchaus korrigiert bzw. verbessert worden sein.
Was steht drin?
Das Buch unterteilt sich in 13 Kapiteln, die insgesamt 424 Seiten umfassen. Das Buch beginnt zunächst mit einem in das maschinelle Lernen, dabei wird auf die drei verschiedenen Arten eingegangen und beispielhaft erläutert, sowie in die Notation und Terminologie in dem Fachbereich eingegangen. Im zweiten Kapitel folgt direkt schon die erste Übung, in der ein Lernalgorithmus programmiert und erläutert wird, der für die Klassifizierung trainiert wird. Weiter geht es im dritten Kapitel über die Verwendung von scikit-learn, welches die Bibliothek ist, die in diesem Buch verwendet wird, um Machine Learning Algorithmen zu implementieren. Die ersten Kapitel setzten noch auf vorgefertigte Datensätze, die man nicht selbst ermitteln musste. In Kapitel 4 und 5 geht es daher um die Datenvorverarbeitung und die Datenkomprimierung, damit man das in den selbst geschriebenen Klassifizierern verwenden kann.
Je weiter man in dem Buch liest, desto tiefer gehen auch die Themen, so werden in den darauf folgenden Kapiteln Hyperparameter-Abstimmung und die Kombination verschiedener Modelle thematisiert. Das achte Kapitel führt wiederum in das Thema des Natural Language Processings ein, wo erklärt wird, wie man Stimmungsanalysen ableiten kann.
Das Buch führt aber auch in die Praxis ein, denn die bisherigen Kapitel erläuterten nur an Hand von Skripten, die bei jedem Lauf von vorne aus den Daten gelernt haben. Im neunten Kapitel wird exemplarisch gezeigt, wie man eine Web-Anwendung implementieren kann, welches die zuvor implementierten Algorithmen nutzt und während der Nutzung auch weiter lernt und anwendet. Die übrigen Kapitel umfassen weiterhin eine Regressionsanalyse, Clusteranalyse, die Verwendung neuronale Netze zur Bildererkennung, sowie neuronale Netze mit der Bibliothek Theano.
Kritik
Das Buch ist sehr umfangreich und bietet sehr viele Informationen zu dem doch großen Bereich des Machine Learnings. Der größte Kritik-Punkt meinerseits ist, dass es nicht wirklich einsteigerfreundlich ist. Für viele Themen sind zwar Beschreibungen und Erklärungen da, allerdings sind diese zumeist relativ knapp und nicht immer ganz nachvollziehbar. Das Buch ist zwar schon relativ umfangreich, doch könnte dies einen Tick umfangreicher sein, um vor allem Einsteiger abzuholen. In dem Fall müssen für einige Themenbereiche nämlich noch zusätzliche Quellen bezogen werden, um auch die Gedankengänge der Umsetzung besser nachvollziehen zu können. Auch Erfahrung im Umgang mit Python ist sehr vorteilhaft. Wer keine Erfahrung in beiden Gebieten mitbringt, wird mit dem Buch eher nicht glücklich.
Hier sollte man allerdings noch beachten, dass die zweite Auflage erschienen ist, die nicht nur scikit-learn verwendet, sondern auch tiefer in die populäre Bibliothek TensorFlow einführt. Das Buch ist in der zweiten Auflage somit auch noch umfassender geworden.
Unabhängig davon gilt es hervorzuheben, dass das Buch für die Zielgruppe von Personen mit Erfahrung mit Python und den Grundzügen von Machine Learning sehr viele Informationen und praxisrelevante Informationen vermittelt. Dass es eine Übersetzung aus dem Englischen ist, merkt man dem Buch nicht an. Man sieht auch sehr deutlich, dass der Autor viele Kenntnisse und Erfahrung in dem Bereich hat, da er an vielen Stellen auf mögliche Probleme eingeht und passende Lösungen parat hat.
Buchinfo:
Titel: Machine Learning mit Python
Autor: Sebastian Raschka
Verlag: mitp
Umfang: 424 Seiten
ISBN: 3958454224
Preis: 49,99€