Dzięki niedawnej serii przełomowych odkryć głębokie uczenie się rozwinęło całą dziedzinę uczenia maszynowego. Teraz nawet programiści, którzy nie mają pojęcia o tej technologii, mogą używać prostych i wydajnych narzędzi do wdrażania programów zdolnych do uczenia się na danych. W tej bestsellerowej książce wykorzystano konkretne przykłady, minimalną teorię i gotowe do użycia w środowisku produkcyjnym frameworki Pythona (Scikit-Learn, Keras i TensorFlow) które pomogą Ci uzyskać intuicyjne zrozumienie koncepcji i narzędzi do budowania inteligentnych systemów.
W tym zaktualizowanym trzecim wydaniu autor Aurélien Géron bada szereg technik, zaczynając od prostej regresji liniowej i przechodząc do głębokich sieci neuronowych. Liczne przykłady kodu i ćwiczenia zawarte w książce pomogą Ci zastosować zdobytą wiedzę. Aby zacząć, wystarczy doświadczenie w programowaniu.
Użyj Scikit-learn, aby śledzić przykładowy projekt ML od końca do końca
Poznaj kilka modeli, w tym maszyny wektorów nośnych, drzewa decyzyjne, lasy losowe i metody zespołowe
Wykorzystaj techniki uczenia się bez nadzoru, takie jak redukcja wymiarowości, grupowanie i wykrywanie anomalii
Zanurz się w architekturach sieci neuronowych, w tym sieciach splotowych, sieciach rekurencyjnych, generatywnych sieciach kontradyktoryjnych, autoenkoderach, modelach dyfuzyjnych i transformatorach
Używaj TensorFlow i Keras do budowania i uczenia sieci neuronowych na potrzeby widzenia komputerowego, przetwarzania języka naturalnego, modeli generatywnych i głębokiego uczenia się przez wzmacnianie
o autorze:
Aurélien Géron jest konsultantem ds. uczenia maszynowego. Były pracownik Google, kierował zespołem klasyfikacji wideo YouTube w latach 2013-2016.. Był również założycielem i CTO firmy Wifirst w latach 2002-2012, wiodącego bezprzewodowego dostawcy usług internetowych we Francji, oraz założycielem i CTO firmy Polyconseil w 2001 roku, firmy konsultingowej ds. telekomunikacji.
Zwrot w przypadku braku dostawy
