Прикладное машинное обучение с помощью Scikit-Learn и TensorFlow-2 изд.
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
| DJVU |
Добавить комментарий