Побудова систем машинного навчання на мові Python 33080
-
ISBN978-5-97060-714-5
-
Видавництво
-
Автор
-
Рік2019
-
МоваРосійська
Все про “Побудова систем машинного навчання на мові Python”
Від видавця
Книга розрахована на програмістів, які пишуть на Python і охочих дізнатися про побудову систем машинного навчання з допомогою бібліотек з відкритим вихідним кодом. Ми розглядаємо основні моделі машинного навчання на прикладах, взятих з реального життя. Ця книга буде корисною також фахівцям з машинного навчання, які бажають використовувати Python для створення своїх систем.
розділі 1 «Введення в машинне навчання на мові Python» читач знайомиться з основною ідеєю машинного навчання на дуже простому прикладі. Але, незважаючи на простоту, в цьому прикладі має місце небезпека перенавчання.
розділі 2 «Класифікація в реальному житті» ми використовуємо реальні дані, щоб продемонструвати класифікацію і навчити комп'ютер розрізняти різні класи квітів.
розділі 3 «Кластеризація – пошук взаємопов'язаних повідомлень» ми дізнаємося про ефективність моделі набору слів, з допомогою якої зуміємо знайти схожі повідомлення, не розуміючи їхнього змісту.
розділі 4 «Тематичне моделювання» ми не станемо обмежуватися віднесенням повідомлення тільки до одного кластера, а зв'яжемо з ним кілька тем, оскільки политематичность характерна для реальних текстів.
розділі 5 «Класифікація – виявлення поганих відповідей» ми дізнаємося, як застосувати дилему зміщення-дисперсії до налагодження моделей машинного навчання, хоча ця глава присвячена переважно використання логістичної регресії для оцінки того, хороший чи поганий відповідь користувача на поставлене питання.
В главі 6 «Класифікація II – аналіз емоційного забарвлення» пояснюється принцип роботи наївного байєсівського класифікатора і описується, як з його допомогою дізнатися, чи несе твіт позитивний або негативний емоційний заряд.
В главі 7 «Регресія» пояснюється, як використовувати класичний, але не втратив актуальності метод – регресію – при обробці даних. Ви дізнаєтеся і про більш складні методи регресії, зокрема Lasso і еластичних мережах.
В главі 8 «Рекомендовані» ми побудуємо систему рекомендования на основі виставлених оцінок споживачами. Ми також дізнаємося, як формувати рекомендації, маючи тільки дані про покупки, без всяких оцінок (які користувачі виставляють далеко не завжди).
розділі 9 «Класифікація за музичними жанрами» ми припустимо, що хтось свідомо вніс хаос у нашу величезну колекцію музичних творів, і єдина надія навести порядок – доручити машині їх класифікацію. Як з'ясується, іноді краще довіритися чужого досвіду, ніж створювати ознаки самостійно.
В главі 10 « Машинне зір» ми застосуємо методи класифікації до обробки зображень, виділяючи ознаки даних. Ми також побачимо, як з допомогою цих методів можна знаходити схожі зображення в наборі.
З глави 11 «Пониження розмірності» ми дізнаємося про методи, що дозволяють зменшити обсяг даних, щоб алгоритми машинного навчання могли з ними впоратися.
В главі 12 «Коли даних більше» ми розглянемо деякі підходи, що дозволяють успішно обробляти великі набори даних, задіюючи кілька ядер або обчислювальні кластери. Ми також познайомимося з основами хмарних обчислень (на прикладі служб Amazon Web Services).
У програмі «Де отримати додаткові відомості про машинному навчанні» перераховані численні корисні ресурси, присвячені цій темі.
Анотація
Всі характеристики
- Видавництво
- Автор
- Категорія
- Рік2019
- Сторінок302
- Формат145х215 мм
- ОбкладинкаМ'яка
- Тип паперуОфсетний
- МоваРосійська
Товар входить до категорії
-
Самовивіз з відділень поштових операторів від
45 ₴ -80 ₴ -
Доставка поштовими сервісами - тарифи перевізника
Рецензії