ISBN: 978-5-9500296-2-2
Внешнее покрытие издания: в пер.
Тираж издания: 500
Фамилия автора в заголовке: Жерон
Инициалы автора (личного имени (имен)): О.
Основное заглавие: Прикладное машинное обучение с помощью Scikit-Learn и TensorFlow : концепции, инструменты и техники для создания интеллектуальных систем
Сведения, относящиеся к заглавию: Пер. с англ.
Первые сведения об ответственности: О. Жерон
Место издания: Санкт-Петербург
Издатель: Альфа-книга
Дата издания: 2018
Объем издания (количество страниц): 684
Другие уточнения физических характеристик: цв. ил.
Высота, см.: 24
Полная форма имени (имен) и отчества: Орельен
Индекс УДК: 681
Ширина, см: 17
Толщина, см: 4
Вес в граммах: 1215
Индекс ББК: 32.973.26-018.2.75
Артикул: 3021817
Аннотация:

"Эта книга - замечательное введение в теорию и практику решения задач с помощью нейронных сетей. Она охватывает ключевые моменты, необходимые для построения эффективных приложений, а также обеспечивает достаточную основу для понимания результатов новых исследований по мере их появления. Я рекомендую эту книгу всем, кто заинтересован в освоении практического машинного обучения." - Пит Уорден, технический руководитель направления TensorFlow Благодаря серии недавних достижений глубокое обучение значительно усилило всю область машинного обучения. В наше время даже программисты, почти ничего не знающие об этой технологии, могут использовать простые и эффективные инструменты для реализации программ, которые способны обучаться на основе данных. В настоящем практическом руководстве показано, что и как следует делать. За счет применения конкретных примеров, минимума теории и двух фреймворков Python производственного уровня - Scikit-Learn и TensorFlow - автор книги Орельен Жерон поможет вам получить интуитивное представление о концепциях и инструментах, предназначенных для построения интеллектуальных систем. Вы узнаете о ряде приемов, начав с простой линейной регрессии и постепенно добравшись до глубоких нейронных сетей. Учитывая наличие в каждой главе упражнений, призванных закрепить то, чему вы научились, для начала работы нужен лишь опыт программирования. Исследуйте область машинного обучения, особенно нейронные сети Используйте Scikit-Learn для отслеживания проекта машинного обучения от начала до конца Исследуйте некоторые обучающие модели, включая методы опорных векторов, деревья принятия решений, случайные леса и ансамблевые методы Применяйте библиотеку TensorFlow для построения и обучения нейронных сетей Исследуйте архитектуры нейронных сетей, включая сверточные сети, рекуррентные сети и глубокое обучение с подкреплением Освойте приемы для обучения и масштабирования глубоких нейронных сетей Используйте практические примеры кода, не овладевая чрезмерно теорией машинного обучения или деталями алгоритмов

Читайте также: