Прикладное машинное обучение с помощью Scikit-Learn, Keras и TensorFlow, 2-е изд.

0 45

Прикладное машинное обучение с помощью Scikit-Learn, Keras и TensorFlow, 2-е изд.Название: Прикладное машинное обучение с помощью Scikit-Learn, Keras и TensorFlow: концепции, инструменты и техники для создания интеллектуальных систем, 2-е изд.
Автор: Орельен Жерон
Издательство: Диалектика
Год: 2020
Страниц: 1042
Язык: русский
Формат: djvu
Размер: 10,1 MB

Благодаря серии выдающихся 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 данных. Новое издание книги-бестселлера, опирающееся на конкретные примеры, минимум теории и готовые фреймворки Python производственного уровня, поможет вам получить интуитивное представление о концепциях и инструментах, предназначенных для построения интеллектуальных систем.

Вы освоите широкий спектр методик, которые можно быстро задействовать на практике. Учитывая наличие в каждой главе упражнений, призванных закрепить то, чему вы научились, для начала работы нужен лишь опыт программирования. Весь код доступен на GitHub. Он был обновлен с учетом TensorFlow 2 и последней версии Scikit-Learn.

Особенности книги:

Изучите основы машинного обучения на сквозном проекте с применением Scikit-Learn и Pandas
Постройте и обучите нейронные сети с многочисленными архитектурами для классификации и регрессии, используя TensorFlow 2
Ознакомьтесь с выявлением объектов, семантической сегментацией, механизмами внимания, языковыми моделями, порождающими состязательными сетями и многим другим
Исследуйте Keras API — официальный высокоуровневый API-интерфейс для TensorFlow 2
Запускайте в производство модели TensorFlow с применением Data API из TensorFlow, стратегий распределения, TF Transform и TF Serving
Развертывайте модели на платформе AI Platform инфраструктуры Google Cloud или на мобильных устройствах
Используйте методики обучения без учителя, такие как понижение размерности, кластеризация и обнаружение аномалий
Создавайте автономные обучающиеся агенты с помощью обучения с подкреплением, в том числе с применением библиотеки TF-Agents

Скачать Прикладное машинное обучение с помощью Scikit-Learn, Keras и TensorFlow, 2-е изд.
Скачать с Turbobit
Скачать с Katfile.com

Оставьте ответ