Descrição
Aprendizado de Máquina Prático com Scikit-Learn, Keras e TensorFlow, 3ª Edição, é um livro abrangente projetado para equipar programadores com o conhecimento e as ferramentas para implementar sistemas de aprendizado de máquina e aprendizado profundo. Através de uma série de avanços recentes, o aprendizado profundo avançou significativamente o campo, tornando-o acessível para aqueles com conhecimento prévio limitado da tecnologia. Este livro preenche essa lacuna, focando na aplicação prática e na compreensão intuitiva.
O cerne do livro gira em torno do uso de frameworks Python prontos para produção: Scikit-Learn para tarefas tradicionais de aprendizado de máquina e Keras e TensorFlow para aprendizado profundo. Ele guia os leitores na construção de sistemas inteligentes, começando com conceitos fundamentais como regressão linear e progredindo progressivamente para redes neurais profundas complexas. A abordagem enfatiza exemplos concretos e teoria mínima, garantindo que os leitores possam adquirir rapidamente habilidades práticas.
A terceira edição atualizada explora uma ampla gama de técnicas. Os leitores aprenderão a acompanhar um projeto de ML de exemplo do início ao fim usando Scikit-learn, cobrindo vários modelos como máquinas de vetores de suporte, árvores de decisão, florestas aleatórias e métodos de ensemble. Técnicas de aprendizado não supervisionado, incluindo redução de dimensionalidade, clustering e detecção de anomalias, também são exploradas a fundo. Para aprendizado profundo, o livro mergulha em arquiteturas de redes neurais como redes convolucionais, redes recorrentes, redes generativas adversariais, autoencoders, modelos de difusão e transformers.
Além disso, o livro fornece orientação extensiva sobre o uso de TensorFlow e Keras para construir e treinar redes neurais para diversas aplicações, incluindo visão computacional, processamento de linguagem natural, modelos generativos e aprendizado profundo por reforço. Numerosos exemplos de código e exercícios são integrados ao longo do texto para reforçar o aprendizado e incentivar a experimentação prática. O único pré-requisito é experiência em programação, tornando-o um recurso ideal para desenvolvedores que buscam entrar no campo de IA e aprendizado de máquina.
Detalhes do livro
Guia prático para aprendizado de máquina e aprendizado profundo
Utiliza Scikit-Learn para tarefas tradicionais de ML
Emprega Keras e TensorFlow para aprendizado profundo
Cobre técnicas de regressão linear a redes neurais profundas
Foca em exemplos concretos e teoria mínima
Inclui inúmeros exemplos de código e exercícios
Explora vários modelos de ML (SVM, árvores de decisão, florestas aleatórias, ensembles)
Cobre aprendizado não supervisionado (redução de dimensionalidade, clustering, detecção de anomalias)
Detalha arquiteturas de redes neurais (CNNs, RNNs, GANs, autoencoders, modelos de difusão, transformers)
Aplicações em visão computacional, PNL, modelos generativos e aprendizado profundo por reforço
Terceira edição atualizada com práticas atuais
Para quem é este livro
- Construir Sistemas Inteligentes
- Tarefas de Visão Computacional
- Processamento de Linguagem Natural
- Modelos Generativos
- Aprendizado Profundo por Reforço
- Análise de Dados e Previsão
- Detecção de Anomalias
