Approaching (Almost) Any Machine Learning Problem - практичний посібник з прикладного машинного навчання від Абгішека Такура, одного з найвідоміших Kaggle Grandmaster. Книга зосереджена не на математичному виведенні алгоритмів, а на правильному підході до вирішення реальних ML-задач.

Автор системно пояснює, як формулювати задачу, готувати дані, працювати з категоріальними ознаками, виконувати feature engineering, feature selection та оптимізацію гіперпараметрів. Окрему увагу приділено CV-стратегіям, вибору метрик, роботі з табличними, текстовими та зображувальними даними, а також деплою моделей.

Книга особливо цінна для data scientists, ML engineers і аналітиків, які вже мають базові знання та хочуть покращити якість моделей у змагальному або виробничому середовищі. Це концентрований практичний досвід, який допомагає уникнути типових помилок та мислити як професіонал.

1. Setting up your working environment

2. Supervised vs unsupervised learning

3. Cross-validation

4. Evaluation metrics

5. Arranging machine learning projects

6. Approaching categorical variables

7. Feature engineering

8. Feature selection

9. Hyperparameter optimization

10. Approaching image classification and segmentation

11. Approaching text classification and regression

12. Approaching ensembling and stacking

13. Approaching reproducible code and model serving