Python і машинне навчання. Машинне і глибоке навчання з використанням Python, scikit-learn і TensorFlow 78388

Машинне навчання поглинає світ програмного забезпечення. Освойте і працюйте з передовими технологіями машинного навчання, нейронних мереж і глибокого навчання з допомогою 2-го видання бестселера Себастьяна Рашки.

Будучи грунтовно оновленої з урахуванням останніх технологій з відкритим кодом, включаючи такі бібліотеки, як scikit-learn, Keras і TensorFlow, ця книга пропонує практичні знання і прийоми, які необхідні для створення ефективних програм машинного і глибокого навчання на мові Python. Володіють унікальною проникливістю і знанням справи автори книги, Себастьян Рашка та Вахід Мирджалили, ознайомлять вас з алгоритмів машинного навчання та глибокого навчання і поступово підведуть до складних тем в аналізі даних. У книзі пропонується поєднання теоретичних принципів машинного навчання з практичним підходом до написання коду для повного розуміння теорії машинного навчання та реалізація за допомогою Python.

Основні теми книги

• Освойте основні фреймворки у науці даних, машинному навчанні та глибокому навчанні
• Поставте нові питання своїм даними через моделі машинного навчання та нейронні мережі
• Використовуйте всю міць останніх бібліотек Python з відкритим кодом для машинного навчання
• Навчитеся будувати реалізації глибоких нейронних мереж із застосуванням бібліотеки TensorFlow
• Додавайте моделі машинного навчання у доступні веб-додатки
• Прогнозуйте безперервні цільові результати із застосуванням регресійного аналізу
• Розкрийте приховані шаблони і структури даних із допомогою кластеризації
• Аналізуйте зображення з використанням прийомів глибокого навчання
• Заглибитися в текстові дані і дані з соціальних мереж з застосуванням смислового аналізу

Якщо ви читали 1-е видання книги, то вам принесе задоволення знайти новий баланс класичних ідей і сучасних знань в машинному навчанні.

Кожна глава була серйозно оновлена, і з'явилися нові глави за ключовими технологіями. У вас буде можливість вивчити і попрацювати з TensorFlow більш вдумливо, ніж раніше, а також отримати найважливіший охоплення бібліотеки для нейронних мереж Keras поряд з найсвіжішими оновленнями бібліотеки scikit-learn.

Про авторів

Себастьян Рашка, автор став бестселером 1-го видання цієї книги, володіє багаторічним досвідом написання коду на мові Python. Він проводив численні семінари щодо практичного застосування науки про даних, машинного навчання і глибоке навчання, включаючи керівництво по машинного навчання на SciPy — провідної конференції, присвяченій науковими розрахунками з допомогою Python.

Незважаючи на те що дослідницькі проекти Себастьяна зосереджені головним чином на вирішенні завдань в галузі обчислювальної біології, йому подобається писати і говорити на теми науки про даних, машинного навчання та мови Python загалом, і він прагне допомогти людям розробляти рішення, керовані даними, без обов'язкового знання підґрунтя машинного навчання.

Нещодавно його робота і внесок були відзначені званням видатного аспіранта 2016-2017, а також нагородою ACM Computing Reviews' Best of 2016.

У вільний час Себастьян любить брати участь у проектах з відкритим кодом, а методи, які він реалізував, тепер успішно використовуються в змаганнях з машинного навчання, таких як Kaggle.

Вахід Мирджалили отримав звання PhD в машинобудуванні, працюючи над новаторськими методами для великомасштабних обчислювальних емуляцій молекулярних структур. В даний час він зосередив свою науково-дослідницьку роботу на додатках машинного навчання у різноманітних проектах комп'ютерного зору у відділенні комп'ютерних наук та інженерії Університету штату Мічиган.

Вахід обрав Python в якості головного мови програмування, і впродовж своєї науково-дослідницької кар'єри накопичив величезний досвід в написанні коду Python. Він викладав програмування на Python інженерної групі в Університеті штату Мічиган, що дало йому можливість допомогти студентам зрозуміти різні структури даних і розробляти ефективний код на Python.

Поряд з тим, що великі дослідницькі інтереси Вахіда сконцентровані на додатках глибокого навчання та комп'ютерного зору, він особливо цікавиться використанням прийомів глибокого навчання для посилення приватності біометричних даних, таких як зображення осіб, щоб не розкривалася інформація понад тієї, що користувачі мали намір показувати. Крім того, він також співпрацює з командою інженерів, що працюють над безпілотними автомобілями, де проектує моделі на основі нейронних мереж для злиття багатоспектральних зображень з метою виявлення пішоходів.