Python и машинное обучение. Машинное и глубокое обучение с использованием Python, scikit-learn и TensorFlow 2. 3-е издание 134874

Паперова книга
134874
Python и машинное обучение. Машинное и глубокое обучение с использованием Python, scikit-learn и TensorFlow 2. 3-е издание - фото 1
1'500
3 людини

Все про “Python и машинное обучение. Машинное и глубокое обучение с использованием Python, scikit-learn и TensorFlow 2. 3-е издание”

Від видавця

Книга является всеобъемлющим руководством по машинному и глубокому обучению с использованием языка Python. Она служит как пошаговым учебным пособием, так и справочником, к которому вы постоянно будете возвращаться в ходе построения систем машинного обучения.

Книга наполнена четкими пояснениями, визуальными представлениями, работающими примерами и детально раскрывает все важные методики машинного обучения. В то время как некоторые книги учат вас следовать инструкциям, Рашка и Мирджалили излагают принципы, лежащие в основе машинного обучения, что позволит вам самостоятельно строить модели и приложения.

Третье издание книги обновлено с целью учета версии библиотеки TensorFlow 2 и последних добавлений в scikit-learn. Оно расширено для охвата двух самых современных методик машинного обучения: обучения с подкреплением и порождающих состязательных сетей.

Эта книга — ваш попутчик в машинном обучении с применением Python, будь вы разработчиком приложений на языке Python, не знакомым с машинным обучением, или разработчиком, желающим углубить свои знания в современных областях.

Основные темы книги:

  • Фреймворки, модели и методики, которые позволяют машинам "учиться" на основе данных
  • Использование scikit-learn для машинного обучения и TensorFlow для глубокого обучения
  • Применение машинного обучения для классификации изображений, смыслового анализа, создания интеллектуальных веб-приложений и многого другого
  • Построение и обучение нейронных сетей, порождающих состязательных сетей и других моделей
  • Реализация веб-приложений с искусственным интеллектом
  • Выполнение очистки и подготовки данных для машинного обучения
  • Классификация изображений с использованием глубоких сверточных нейронных сетей
  • Рекомендуемые приемы для оценки и настройки моделей
  • Прогнозирование непрерывных целевых результатов с использованием регрессионного анализа
  • Обнаружение скрытых шаблонов и структуры в данных с помощью кластеризации
  • Углубление в текстовые данные и данные социальных сетей с применением смыслового анализа
Прикладное машинное обучение с прочным теоретическим фундаментом.

Новое издание пересмотрено и расширено с целью охвата TensorFlow 2, порождающих состязательных сетей (GAN) и обучения с подкреплением. Книга является всеобъемлющим руководством по машинному и глубокому обучению с использованием языка Python. Она служит как пошаговым учебным пособием, так и справочником, к которому вы постоянно будете возвращаться в ходе построения систем машинного обучения.

Книга наполнена четкими пояснениями, визуальными представлениями и работающими примерами, детально раскрывая все важные методики машинного обучения. В то время как некоторые книги учат вас следовать инструкциям, Рашка и Мирджалили излагают принципы, лежащие в основе машинного обучения, что позволит вам самостоятельно строить модели и приложения.

Обновленное с учетом библиотеки TensorFlow 2.0 третье издание предлагает читателям ознакомиться с ее новыми средствами API-интерфейса Keras, а также с последними добавлениями в scikit-learn. Оно расширено для охвата самых современных методик обучения с подкреплением, основанных на глубоком обучении, и введения в порождающие состязательные сети. Наконец, в книге также проводится исследование подобласти обработки естественного языка (NLP), называемой смысловым анализом, что поможет вам использовать алгоритмы машинного обучения для классификации документов.

Об авторах

Себастьян Рашка, автор ставшего бестселлером 2-го издания этой книги, обладает многолетним опытом написания кода на языке Python. Он проводил многочисленные семинары по практическому применению науки о данных, машинному обучению и глубокому обучению, включая руководство по машинному обучению на SciPy — ведущей конференции, посвященной научным расчетам с помощью Python.

Несмотря на то что исследовательские проекты Себастьяна сосредоточены главным образом на решении задач в области вычислительной биологии, ему нравится писать и говорить на темы науки о данных, машинного обучения и языка Python в общем, и он стремится помочь людям разрабатывать решения, управляемые данными, без обязательного знания подоплеки машинного обучения.

Недавно его работа и вклад были отмечены званием выдающегося аспиранта 2016–2017, а также наградой ACM Computing Reviews’ Best of 2016.

В свободное время Себастьян любит участвовать в проектах с открытым кодом, а методы, которые он реализовал, теперь успешно используются в состязаниях по машинному обучению, таких как Kaggle.

Вахид Мирджалили получил звание PhD в машиностроении, работая над новаторскими методами для крупномасштабных вычислительных эмуляций молекулярных структур. В настоящее время он сосредоточил свою научно-исследовательскую работу на приложениях машинного обучения в разнообразных проектах компьютерного зрения в отделении компьютерных наук и инженерии Университета штата Мичиган.

Вахид избрал Python в качестве главного языка программирования, и на протяжении своей научно-исследовательской карьеры накопил громадный опыт в написании кода Python. Он преподавал программирование на Python инженерной группе в Университете штата Мичиган, что дало ему возможность помочь студентам понять разные структуры данных и разрабатывать эффективный код на Python.

Наряду с тем, что обширные исследовательские интересы Вахида сконцентрированы на приложениях глубокого обучения и компьютерного зрения, он особенно интересуется использованием приемов глубокого обучения для усиления приватности в биометрических данных, таких как изображения лиц, чтобы не раскрывалась информация сверх той, что пользователи намеревались показывать. Кроме того, он также сотрудничает с командой инженеров, работающих над беспилотными автомобилями, где проектирует модели на основе нейронных сетей для слияния многоспектральных изображений с целью обнаружения пешеходов.

Рецензії

0

Всі характеристики

Товар входить до категорії

  • Самовивіз з відділень поштових операторів від 45 ₴ - 80 ₴
  • Доставка поштовими сервісами - тарифи перевізника
Схожі товари
Hands-on Matplotlib. Learn Plotting and Visualizations with Python 3. 1st Ed.
244684
Ashwin Pajankar
2'000 ₴
Financial Theory with Python: A Gentle Introduction. 1st Ed.
244749
Yves Hilpisch
2'000 ₴
Flask Web Development: Developing Web Applications with Python 2nd Edition
66981
5/1
Miguel Grinberg
2'020 ₴
Practical Fraud Prevention. Fraud and AML Analytics for Fintech and eCommerce, Using SQL and Python
197700
Gilit SaportaShoshana Maraney
2'100 ₴
Вивчаємо Python. Том 1. 5-е видання
111737
5/1
Марк Лутц
2'046 ₴2'200 ₴
Python for Excel: A Modern Environment for Automation and Data Analysis
153397
Felix Zumstein
1'760 ₴2'200 ₴
Python and R for the Modern Data Scientist: The Best of Both Worlds
159994
Rick J. ScavettaBoyan Angelov
2'200 ₴
Python 3: The Comprehensive Guide to Hands-On Python Programming
263355
Johannes ErnestiPeter Kaiser
2'590 ₴
Football Analytics with Python & R: Learning Data Science Through the Lens of Sports 1st Edition
259764
Eric EagerRichard Erickson
2'800 ₴