Поделиться

Концепции, инструменты и техники для создания интеллектуальных схем.

Жерон Орельен «Прикладное машинное обучение с помощью Scikit-Learn и TensorFlow» Вильямс, 2018 год, 688 стр. (PDF)

ОписаниеENСодержаниеLinks

Эта книга предполагает, что вы почти ничего не знаете о машинном обучении. Её цель — определить концепцию, методы и инструменты, необходимые для реализации программ, которые помогут изучать массивы данных.

Используя конкретные практические примеры, с минимумом теории, а также две библиотеки для Python — Scikit-learn и TensorFlow вы сможете получить интуитивное понимание концепций и инструментов для построения интеллектуальных систем.

Вы изучите целый ряд методов, начиная с простой линейной регрессии и заканчивая глубокими нейронными сетями. А упражнения, представленные в каждой главе, помогут вам применять изученный материал на практике. ISBN: 978-5-9500296-2-2

Что вы узнаете из книги:

  • Вы изучите структуру машинного обучения, и особенно нейронные сети
  • Используйте Scikit-learn, чтобы отследить пример сквозного проекта по машинному обучению
  • Изучите несколько моделей обучения, включая машины опорных векторов, деревья решений, случайные леса и методы ансамбля
  • Используйте библиотеку TensorFlow для создания и обучения нейронных сетей
  • Погрузитесь в архитектуру нейронных сетей, включая сверточные и рекуррентные сети
  • Изучите методы обучения и масштабирования глубоких нейронных сетей.
  • Научитесь использовать примеры кода, не изучая теорию машинного обучения или детали алгоритма.

Об авторе

Орельен Жерон (Aurelien Geron) — консультант по машинному обучению. Ранее (с 2013 по 2016 год) работал в Google, возглавляя отдел по систематизации видео YouTube. Работал инженером в сфере финансов (JP Morgan и Societe Generale), структуре министерства обороны (Canadian DOD) и здравоохранения (переливание крови).

Он опубликовал несколько IT книг (по C ++, WiFi и интернет-архитектурам), а также читал лекции по компьютерным наукам во французской инженерной школе. С 2002 по 2012 год был техническим директором Wifirst — ведущего поставщика беспроводного Интернета во Франции. А также основателем и техническим директором Polyconseil в 2001 году. Компания, которая в настоящее время управляет сервисом совместного использования автомобилей Autolib.

EN

Оригинал книги на английском

 Learning with Scikit-Learn and TensorFlow

Hands-On Machine Learning with Scikit-Learn and TensorFlow
Concepts, Tools, and Techniques to Build Intelligent Systems

Publisher: O’Reilly Media
Author: Aurelien Geron
ISBN-13: 978-1491962299
ISBN-10: 1491962291
Pages: 574
Language: English
Year: 2017

Through a series of recent breakthroughs, deep learning has boosted the entire field of machine learning. Now, even programmers who know close to nothing about this technology can use simple, efficient tools to implement programs capable of learning from data. This practical book shows you how.

By using concrete examples, minimal theory, and two production-ready Python frameworks—scikit-learn and TensorFlow—author Aurelien Geron helps you gain an intuitive understanding of the concepts and tools for building intelligent systems. You’ll learn a range of techniques, starting with simple linear regression and progressing to deep neural networks. With exercises in each chapter to help you apply what you’ve learned, all you need is programming experience to get started.

  • Explore the machine learning landscape, particularly neural nets
  • Use scikit-learn to track an example machine-learning project end-to-end
  • Explore several training models, including support vector machines, decision trees, random forests, and ensemble methods
  • Use the TensorFlow library to build and train neural nets
  • Dive into neural net architectures, including convolutional nets, recurrent nets, and deep reinforcement learning
  • Learn techniques for training and scaling deep neural nets
  • Apply practical code examples without acquiring excessive machine learning theory or algorithm details
Краткое 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
  • Часть II. Нейронные сети и глубокое обучение
    Глава 9. Подготовка к работе с TensorFlow
    Глава 10. Введение в искусственные нейронные сети
    Глава 11. Обучение глубоких нейронных сетей
    Глава 12. Использование TensorFlow для распределения вычислений между устройствами и серверами
    Глава 13. Сверточные нейронные сети
    Глава 14. Рекуррентные нейронные сети
    Глава 15. Автокодировщики
    Глава 16. Обучение с подкреплением
  • Приложения
    Приложение А. Решения упражнений
    Приложение Б. Контрольный перечень для проекта машинного обучения
    Приложение В. Двойственная задача SVM
    Приложение Г. Автоматическое дифференцирование
    Приложение Д. Другие популярные архитектуры искусственных нейронных сетей
    Предметный указатель

 

 

Github code

TensorFlow — открытая программная библиотека для машинного обучения.

Tensorflow Hub. Используем готовые нейросети в своем проекте

PDF  (RU)    ru     (EN)     Машинное обучение и TensorFlow тут


Поделиться