Прикладное машинное обучение с помощью Scikit-Learn и TensorFlow: концепции, инструменты и техники д (Жерон Орельен) ; Вильямс, 2018
Цены
Нет в наличии
В данный момент у нас нет информации о наличии данного товара в магазинах. Вы можете поискать его на других площадках ниже.
Магазин | Цена | Наличие |
---|---|---|
Лабиринт 5/5 | ||
Читай-город 5/5 | ||
МАЙШОП 5/5 | Один из первых книжных интернет-магазинов, работающий с 2002 года | |
Описание
"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.
— 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.
Смотри также Характеристики.
Яндекс.Маркет
О книге
Издатель | Вильямс |
Год издания | 2018 |
Страниц | 688 |
Переплёт | твердый |
ISBN | 978-5-9500296-2-2 |
Размеры | 17,00 см × 24,30 см × 4,00 см |
Автор(ы) | Жерон Орельен |
Тематика | Программирование |
Язык издания | Русский |
Кол-во страниц | 688 |
Программирование - издательство "Вильямс"
Категория 2364 р. - 3546 р.
Программирование - издательство "Вильямс" »
Программирование
Категория 2364 р. - 3546 р.