Поделиться

cikit-Learn, Keras и TensorFlow

Концепции, инструменты и техники для создания интеллектуальных систем.

Орельен Жерон «Прикладное машинное обучение с помощью Scikit-Learn, Keras и TensorFlow» Диалектика, 2020 год, 1040 стр., 2-е изд., ISBN 978-5-907203-33-4; (PDF-DJVU)

Второе издание книги расширенное и дополненное. (Первое издание)Предпочтение в книге отдается практическому подходу, стимулируя интуитивное понимание машинного обучения через конкретные работающие примеры, поэтому теории здесь совсем немного. Предполагается, что вы почти ничего не знаете о машинном обучении. Ее цель — предоставить вам концепции, инструменты и идеи, которые необходимы для реализации программ, способных обучаться на основе данных. Хорошо если вы обладаете некоторым опытом программирования на языке Python и знакомы с главными библиотеками Python для научных расчетов. Книга содержит две части. Первая часть основана главным образом на применении Scikit-Learn, в то время как вторая — на использовании TensorFlow и Keras.
Прикладное машинное обучение с помощью Scikit-Learn, Keras и TensorFlow

Оглавление

  • Часть I. Основы машинного обучения
    Глава 1. Введение в машинное обучение
    Глава 2. Полный проект машинного обучения
    Глава 3. Классификация
    Глава 4. Обучение моделей
    Глава 5. Методы опорных векторов
    Глава 6. Деревья принятия решений
    Глава 7. Ансамблевое обучение и случайные леса
    Глава 8. Понижение размерности
    Глава 9. Методики обучения без учителя
  • Часть II. Нейронные сети И глубокое обучение
    Глава 10. Введение в искусственные нейронные сети с использованием Keras
    Глава 11. Обучение глубоких нейронных сетей
    Глава 12. Специальные модели и обучение с помощью TensorFlow
    Глава 13. Загрузка и предварительная обработка данных с помощью TensorFlow
    Глава 14. Глубокое компьютерное зрение с использованием сверточных нейронных сетей
    Глава 15. Обработка последовательностей с использованием рекуррентных и сверточных нейронных сетей
    Глава 16. Обработка естественного языка с помощью рекуррентных нейронных сетей и внимания
    Глава 17. Обучение представлению и порождению с использованием автокодировщиков и порождающих состязательных сетей
    Глава 18. Обучение с подкреплением
    Глава 19. Широкомасштабное обучение и развертывание моделей TensorFlow
  • Приложения

Прикладное машинное обучение с помощью Scikit-Learn, Keras и TensorFlow

PDF DJVU

 

https://www.htbook.ru/wp-content/uploads/2022/07/prikladnoe-mashinnoe-2022-e1657790532710.jpghttps://www.htbook.ru/wp-content/uploads/2022/07/prikladnoe-mashinnoe-2022-e1657790532710-130x200.jpgПрограммирование и БДPython Python,TensorFlow,машинное обучениеКонцепции, инструменты и техники для создания интеллектуальных систем. Орельен Жерон 'Прикладное машинное обучение с помощью Scikit-Learn, Keras и TensorFlow' Диалектика, 2020 год, 1040 стр., 2-е изд., ISBN 978-5-907203-33-4; (PDF-DJVU) Второе издание книги расширенное и дополненное. (Первое издание)Предпочтение в книге отдается практическому подходу, стимулируя интуитивное понимание машинного обучения через конкретные работающие примеры,...Библиотека технической тематики. Техническая литература

Поделиться