Прикладне машинне навчання за допомогою Scikit-Learn і TensorFlow. Орельєн Жеронімі
концепції, інструменти і техніки для створення інтелектуальних систем
“Ця книга – чудовий введення в теорію і практику вирішення завдань за допомогою нейронних мереж. Вона охоплює ключові моменти, необхідні для побудови ефективних програм, а також забезпечує достатню основу для розуміння результатів нових досліджень у міру їх появи. Я рекомендую цю книгу всім, хто зацікавлений в освоєнні практичного машинного навчання. ” – Піт Уорден, технічний керівник напрямку TensorFlow.
Завдяки серії недавніх досягнень глибоке навчання значно посилило всю область машинного навчання. У наш час навіть програмісти, майже нічого не знають про цю технологію, можуть використовувати прості та ефективні інструменти для реалізації програм, які здатні навчатися на основі даних.
У цьому практичному керівництві показано, що і як слід робити. За рахунок застосування конкретних прикладів, мінімуму теорії і двох фреймворків Python виробничого рівня – Scikit-Learn і TensorFlow – автор книги Орельєн Жеронімі допоможе вам отримати інтуїтивне уявлення про концепції та інструментах, призначених для побудови інтелектуальних систем.
Ви дізнаєтеся про ряд прийомів, почавши з простої лінійної регресії і поступово діставшись до глибоких нейронних мереж. З огляду на наявність в кожному розділі вправ, покликаних закріпити те, чого ви навчилися, для початку роботи потрібен лише досвід програмування.
Зміст книги Прикладне машинне навчання за допомогою Scikit-Learn та TensorFlow:
- Частина I. Основи машинного навчання
- Глава 1. Введення у машинне навчання
- Глава 2. Повний проект машинного навчання
- Глава 3. Класифікація
- Глава 4. Навчання моделей
- Глава 5. Методи опорних векторів
- Глава 6. Дерева прийняття рішень
- Глава 7. Ансамблеве навчання та випадкові ліси
- Глава 8. Зниження розмірності
- Частина II. Нейронні мережі та глибоке навчання
- Глава 9. Підготовка до роботи з TensorFlow
- Глава 10. Введення у штучні нейронні мережі
- Глава 11. Навчання глибоких нейронних мереж
- Глава 12. Використання TensorFlow для розподілу обчислень між пристроями та серверами
- Глава 13. Згорткові нейронні мережі
- Глава 14. Рекурентні нейронні мережі
- Глава 15. Автокодувальники
- Глава 16. Навчання з підкріпленням