Uczenie maszynowe z użyciem Scikit-Learn, Keras i TensorFlow. Wydanie III

Uczenie maszynowe z użyciem Scikit-Learn, Keras i TensorFlow. Wydanie III

Autor: Aurélien Géron
Tytuł Oryginału: Hands-On Machine Learning with Scikit-Learn, Keras, and TensorFlow: Concepts, Tools, and Techniques to Build Intelligent Systems, 3rd Edition
Tłumaczenie: Krzysztof Sawka
ISBN: 978-83-8322-423-7
Format: 165x235
Oprawa: miękka
Liczba stron: 776

Pojęcia, techniki i narzędzia służące do tworzenia systemów inteligentnych

Głębokie sieci neuronowe mają niesamowity potencjał. Osiągnięcia ostatnich lat nadały procesom uczenia głębokiego zupełnie nową jakość. Obecnie nawet programiści niezaznajomieni z tą technologią mogą korzystać z prostych i niezwykle skutecznych narzędzi, pozwalających na sprawne implementowanie programów uczących się z danych.

To trzecie wydanie bestsellerowego przewodnika po uczeniu maszynowym. Książka jest adresowana do osób, które chcą wejść w świat uczenia maszynowego ― przy czym wystarczą do tego minimalne umiejętności programistyczne. Zawarto tu minimum teorii, a proces nauki ułatwiają liczne przykłady i ćwiczenia. Dzięki temu przyswoisz niezbędne pojęcia i nauczysz się korzystać z gotowych platform produkcyjnych Pythona: Scikit-Learn, Keras i TensorFlow. W tym wydaniu pokazano różnorodne techniki, od prostej regresji liniowej aż po głębokie sieci neuronowe. Szybko nauczysz się tworzyć działające systemy inteligentne!

W książce między innymi:

• korzystanie ze Scikit-Learn, z TensorFlow i Keras
• modele: maszyny wektorów nośnych, drzewa decyzyjne, lasy losowe i metody zespołowe
• uczenie nienadzorowane: redukcja wymiarowości, analiza skupień, wykrywanie anomalii
• sieci neuronowe: sieci splotowe, rekurencyjne, modele dyfuzyjne i transformatory
• trenowanie i implementacje sieci neuronowych

Twórz i trenuj nowoczesne sieci neuronowe!

Tytuły rozdziałów:

Część I. Podstawy uczenia maszynowego

1. Krajobraz uczenia maszynowego
2. Nasz pierwszy projekt uczenia maszynowego
3. Klasyfikacja
4. Uczenie modeli
5. Maszyny wektorów nośnych
6. Drzewa decyzyjne
7. Uczenie zespołowe i losowe lasy
8. Redukcja wymiarowości
9. Techniki uczenia nienadzorowanego

Część II. Sieci neuronowe i uczenie głębokie

10. Wprowadzenie do sztucznych sieci neuronowych i ich implementacji z użyciem interfejsu Keras
11. Uczenie głębokich sieci neuronowych
12. Modele niestandardowe i uczenie za pomocą modułu TensorFlow
13. Wczytywanie i wstępne przetwarzanie danych za pomocą modułu TensorFlow
14. Głębokie widzenie komputerowe za pomocą splotowych sieci neuronowych
15. Przetwarzanie sekwencji za pomocą sieci rekurencyjnych i splotowych
16. Przetwarzanie języka naturalnego za pomocą sieci rekurencyjnych i mechanizmów uwagi
17. Autokodery, generatywne sieci przeciwstawne i modele rozpraszające
18. Uczenie przez wzmacnianie
19. Wielkoskalowe uczenie i wdrażanie modeli TensorFlow

A. Lista kontrolna projektu uczenia maszynowego
B. Różniczkowanie automatyczne
C. Specjalne struktury danych
D. Grafy TensorFlow