Книга является всеобъемлющим руководством по машинному и глубокому обучению с использованием языка Python. Она служит как пошаговым учебным пособием, так и справочником, к которому вы постоянно будете возвращаться в ходе построения систем машинного обучения.Книга наполнена четкими пояснениями, визуальными представлениями, работающими примерами и детально раскрывает все важные методики машинного обучения. В то время как некоторые книги учат вас следовать инструкциям, Рашка и Мирджалили излагают принципы, лежащие в основе машинного обучения, что позволит вам самостоятельно строить модели и приложения.Третье издание книги обновлено с целью учета версии библиотеки TensorFlow 2 и последних добавлений в scikit-learn. Оно расширено для охвата двух самых современных методик машинного обучения: обучения с подкреплением и порождающих состязательных сетей.Эта книга - ваш попутчик в машинном обучении с применением Python, будь вы разработчиком приложений на языке Python, не знакомым с машинным обучением, или разработчиком, желающим углубить свои знания в современных областях.Основные темы книги" Фреймворки, модели и методики, которые позволяют машинам "учиться" на основе данных" Использование scikit-learn для машинного обучения и TensorFlow для глубокого обучения" Применение машинного обучения для классификации изображений, смыслового анализа, создания интеллектуальных веб-приложений и многого другого" Построение и обучение нейронных сетей, порождающих состязательных сетей и других моделей" Реализация веб-приложений с искусственным интеллектом" Выполнение очистки и подготовки данных для машинного обучения" Классификация изображений с использованием глубоких сверточных нейронных сетей" Рекомендуемые приемы для оценки и настройки моделей" Прогнозирование непрерывных целевых результатов с использованием регрессионного анализа" Обнаружение скрытых шаблонов и структуры в данных с помощью кластеризации" Углубление в текстовые данные и данные социальных сетей с применением смыслового анализаПрикладное машинное обучение с прочным теоретическим фундаментом. Новое издание пересмотрено и расширено с целью охвата TensorFlow 2, порождающих состязательных сетей (GAN) и обучения с подкреплением.Книга является всеобъемлющим руководством по машинному и глубокому обучению с использованием языка Python. Она служит как пошаговым учебным пособием, так и справочником, к которому вы постоянно будете возвращаться в ходе построения систем машинного обучения.Книга наполнена четкими пояснениями, визуальными представлениями и работающими примерами, детально раскрывая все важные методики машинного обучения. В то время как некоторые книги учат вас следовать инструкциям, Рашка и Мирджалили излагают принципы, лежащие в основе машинного обучения, что позволит вам самостоятельно строить модели и приложения.Обновленное с учетом библиотеки TensorFlow 2.0 третье издание предлагает читателям ознакомиться с ее новыми средствами API-интерфейса Keras, а также с последними добавлениями в scikit-learn. Оно расширено для охвата самых современных методик обучения с подкреплением, основанных на глубоком обучении, и введения в порождающие состязательные сети. Наконец, в книге также проводится исследование подобласти обработки естественного языка (NLP), называемой смысловым анализом, что поможет вам использовать алгоритмы машинного обучения для классификации документов.Эта книга - ваш попутчик в машинном обучении с применением Python, будь вы разработчиком приложений на языке Python, не знакомым с машинным обучением, или разработчиком, желающим углубить свои знания в современных областях.
Дополнительные сведения
Артикул: 3261000 |
ISBN: 978-5-907203-57-0 |
Тип переплета: твердый |
Тираж: доп. 300 |
Название: Python и машинное обучение: машинное и глубокое обучение с использованием Python, scikit-learn и Ten |
Автор: С. Рашка , В. Мирджалили |
Место издания: Санкт-Петербург |
Издатель: Диалектика |
Дата издания: 2020 |
Количество страниц: 848 |
Серия: Мнение экспертов |
Высота, см.: 24 |
Ширина, см: 17 |
Толщина, см: 4,3 |
Вес в граммах: 1400 |