Deskripsi
Hands-On Machine Learning with Scikit-Learn, Keras, and TensorFlow, Edisi ke-3, adalah buku komprehensif yang dirancang untuk membekali programmer dengan pengetahuan dan alat untuk mengimplementasikan sistem machine learning dan deep learning. Melalui serangkaian terobosan terkini, deep learning telah memajukan bidang ini secara signifikan, membuatnya dapat diakses oleh mereka yang memiliki pengetahuan awal terbatas tentang teknologi tersebut. Buku ini menjembatani kesenjangan tersebut dengan berfokus pada aplikasi praktis dan pemahaman intuitif.
Inti dari buku ini berkisar pada penggunaan kerangka kerja Python yang siap produksi: Scikit-Learn untuk tugas machine learning tradisional dan Keras serta TensorFlow untuk deep learning. Buku ini memandu pembaca melalui pembangunan sistem cerdas dengan memulai dari konsep fundamental seperti regresi linier dan secara progresif beralih ke jaringan saraf tiruan yang kompleks. Pendekatan ini menekankan contoh konkret dan teori minimal, memastikan bahwa pembaca dapat dengan cepat memperoleh keterampilan praktis.
Edisi ketiga yang diperbarui mengeksplorasi berbagai macam teknik. Pembaca akan belajar melacak contoh proyek ML dari awal hingga akhir menggunakan Scikit-learn, mencakup berbagai model seperti support vector machines, decision trees, random forests, dan metode ensemble. Teknik unsupervised learning, termasuk reduksi dimensi, clustering, dan deteksi anomali, juga dieksplorasi secara mendalam. Untuk deep learning, buku ini mendalami arsitektur jaringan saraf tiruan seperti convolutional nets, recurrent nets, generative adversarial networks, autoencoders, diffusion models, dan transformers.
Selanjutnya, buku ini memberikan panduan ekstensif tentang penggunaan TensorFlow dan Keras untuk membangun dan melatih jaringan saraf tiruan untuk berbagai aplikasi, termasuk computer vision, natural language processing, model generatif, dan deep reinforcement learning. Banyak contoh kode dan latihan diintegrasikan di seluruh teks untuk memperkuat pembelajaran dan mendorong eksperimen langsung. Satu-satunya prasyarat adalah pengalaman pemrograman, menjadikannya sumber daya yang ideal bagi pengembang yang ingin memasuki bidang AI dan machine learning.
Detail Buku
Panduan praktis untuk machine learning dan deep learning
Memanfaatkan Scikit-Learn untuk tugas ML tradisional
Menggunakan Keras dan TensorFlow untuk deep learning
Mencakup teknik dari regresi linier hingga jaringan saraf tiruan canggih
Berfokus pada contoh konkret dan teori minimal
Menyertakan banyak contoh kode dan latihan
Mengeksplorasi berbagai model ML (SVM, decision trees, random forests, ensemble)
Mencakup unsupervised learning (reduksi dimensi, clustering, deteksi anomali)
Merinci arsitektur jaringan saraf tiruan (CNN, RNN, GAN, autoencoder, diffusion models, transformer)
Aplikasi dalam computer vision, NLP, model generatif, dan deep reinforcement learning
Edisi ketiga yang diperbarui dengan praktik terkini
Untuk Siapa Buku Ini
- Membangun Sistem Cerdas
- Tugas Computer Vision
- Natural Language Processing
- Model Generatif
- Deep Reinforcement Learning
- Analisis Data dan Prediksi
- Deteksi Anomali
