Описание
Hands-On Machine Learning with Scikit-Learn, Keras, and TensorFlow, 3rd Edition, — это комплексная книга, призванная вооружить программистов знаниями и инструментами для реализации систем машинного и глубокого обучения. Благодаря ряду недавних прорывов, глубокое обучение значительно продвинуло эту область, сделав ее доступной для тех, кто имеет ограниченные предварительные знания в этой технологии. Эта книга устраняет этот пробел, фокусируясь на практическом применении и интуитивном понимании.
Читать далее
Основная часть книги посвящена использованию готовых к производству Python-фреймворков: Scikit-Learn для традиционных задач машинного обучения и Keras и TensorFlow для глубокого обучения. Она проводит читателей через процесс создания интеллектуальных систем, начиная с фундаментальных концепций, таких как линейная регрессия, и постепенно переходя к сложным глубоким нейронным сетям. Подход подчеркивает конкретные примеры и минимум теории, гарантируя, что читатели смогут быстро приобрести практические навыки.
Обновленное третье издание охватывает широкий спектр методов. Читатели научатся отслеживать пример проекта ML от начала до конца с использованием Scikit-learn, охватывая различные модели, такие как машины опорных векторов, деревья решений, случайные леса и ансамблевые методы. Также подробно рассматриваются методы обучения без учителя, включая снижение размерности, кластеризацию и обнаружение аномалий. Для глубокого обучения книга углубляется в архитектуры нейронных сетей, такие как сверточные сети, рекуррентные сети, генеративно-состязательные сети, автокодировщики, диффузионные модели и трансформеры.
Кроме того, книга предоставляет обширное руководство по использованию TensorFlow и Keras для построения и обучения нейронных сетей для различных приложений, включая компьютерное зрение, обработку естественного языка, генеративные модели и глубокое обучение с подкреплением. Многочисленные примеры кода и упражнения интегрированы по всему тексту для закрепления знаний и поощрения практического экспериментирования. Единственным предварительным условием является опыт программирования, что делает ее идеальным ресурсом для разработчиков, желающих войти в область ИИ и машинного обучения.
- КатегорияДругие ИИ-инструменты
О книге
Практическое руководство по машинному обучению и глубокому обучению
Использует Scikit-Learn для традиционных задач ML
Применяет Keras и TensorFlow для глубокого обучения
Охватывает методы от линейной регрессии до глубоких нейронных сетей
Фокусируется на конкретных примерах и минимуме теории
Включает многочисленные примеры кода и упражнения
Исследует различные модели ML (SVM, деревья решений, случайные леса, ансамбли)
Охватывает обучение без учителя (снижение размерности, кластеризация, обнаружение аномалий)
Детализирует архитектуры нейронных сетей (CNN, RNN, GAN, автокодировщики, диффузионные модели, трансформеры)
Приложения в компьютерном зрении, NLP, генеративных моделях и глубоком обучении с подкреплением
Обновленное третье издание с актуальными практиками
Для кого эта книга
- Создание интеллектуальных систем
- Задачи компьютерного зрения
- Обработка естественного языка
- Генеративные модели
- Глубокое обучение с подкреплением
- Анализ данных и прогнозирование
- Обнаружение аномалий
