ODBIERZ TWÓJ BONUS :: »

Uczenie maszynowe z użyciem Scikit-Learn i TensorFlow Aurélien Géron

Autor:
Aurélien Géron
Wydawnictwo:
Helion
Wydawnictwo:
Helion
Ocena:
5.0/6  Opinie: 22
Stron:
528
Druk:
oprawa miękka
Dostępne formaty:
     PDF
     ePub
     Mobi
Czytaj fragment
Książka
niedostępna
Powiadom mnie, gdy książka będzie dostępna

Ebook
53,40 zł 89,00 zł (-40%)
44,50 zł najniższa cena z 30 dni

Dodaj do koszyka lub Kup na prezent Kup 1-kliknięciem

Przenieś na półkę

Do przechowalni

Powiadom o dostępności audiobooka »

Sprawdź nowe wydanie

Uczenie maszynowe z użyciem Scikit-Learn, Keras i TensorFlow. Wydanie III
Aurélien Géron
Pojęcia, techniki i narzędzia służące do tworzenia systemów inteligentnych Głębokie sieci neuronowe mają niesamowity potencjał. Osiągnięcia ostatnich lat nadały procesom uczenia głębokiego zupełnie nową jakość. Obecnie nawet programiści niezaznajomieni z tą technologią mogą korzystać z prostych i niezwykle skutecznych narzędzi, pozwalających na sprawne implementowanie programów uczących się z danych. Znajdziesz tu rozsądne, intuicyjne objaśnienia, a także mnóstwo pra...

Czego się nauczysz?

  • Rodzajów uczenia maszynowego: nadzorowanego, nienadzorowanego, półnadzorowanego i przez wzmacnianie
  • Przygotowywania, oczyszczania i wizualizacji zbiorów danych do projektów ML
  • Wybierania, trenowania i oceniania modeli uczenia maszynowego w Scikit-Learn
  • Stosowania metryk wydajności, takich jak precyzja, pełność, macierz pomyłek i krzywa ROC
  • Implementowania regresji liniowej, wielomianowej i logistycznej
  • Wykorzystywania maszyn wektorów nośnych (SVM) do klasyfikacji i regresji
  • Budowania i optymalizowania drzew decyzyjnych oraz lasów losowych
  • Łączenia modeli w zespoły (ensemble) i stosowania metod takich jak AdaBoost i gradient boosting
  • Redukowania wymiarowości danych za pomocą PCA i innych technik
  • Instalowania i wykorzystywania TensorFlow do budowy modeli głębokiego uczenia
  • Tworzenia i trenowania sztucznych sieci neuronowych, w tym perceptronów wielowarstwowych
  • Rozwijania i optymalizowania głębokich sieci neuronowych z wykorzystaniem normalizacji, regularyzacji i zaawansowanych optymalizatorów
  • Rozdzielania obliczeń TensorFlow na wiele urządzeń i serwerów
  • Projektowania splotowych sieci neuronowych (CNN) do analizy obrazów
  • Budowania rekurencyjnych sieci neuronowych (RNN), LSTM i GRU do przetwarzania sekwencji
  • Wykorzystywania autokoderów i uczenia przez wzmacnianie w praktycznych zastosowaniach

Pojęcia, techniki i narzędzia służące do tworzenia systemów inteligentnych

W ciągu ostatnich lat uczenie maszynowe stało się sercem wielu nowoczesnych produktów, takich jak zaawansowane techniki wyszukiwania w przeglądarkach, rozpoznawanie mowy w smartfonach czy proponowanie treści w zależności od indywidualnych preferencji użytkownika. Być może niedługo taki system inteligentny zastąpi Cię za kierownicą samochodu. Uczenie głębokie wprowadziło nową jakość do uczenia maszynowego. Daje niesamowite możliwości, jednak wymaga olbrzymiej mocy obliczeniowej i potężnych ilości danych. Programiści implementujący takie rozwiązania są poszukiwanymi specjalistami i mogą liczyć na ekscytujące oferty!

Ta książka jest praktycznym podręcznikiem tworzenia systemów inteligentnych. Przedstawiono tu najważniejsze zagadnienia teoretyczne dotyczące uczenia maszynowego i sieci neuronowych. W zrozumiały sposób zaprezentowano koncepcje i narzędzia służące do tworzenia systemów inteligentnych. Opisano Scikit-Learn i TensorFlow - środowiska produkcyjne języka Python - i pokazano krok po kroku, w jaki sposób wykorzystuje się je do implementacji sieci neuronowych. Liczne praktyczne przykłady i ćwiczenia pozwolą na pogłębienie i utrwalenie zdobytej wiedzy. Jeśli tylko potrafisz posługiwać się Pythonem, dzięki tej przystępnie napisanej książce szybko zaczniesz implementować systemy inteligentne.

W tej książce między innymi:

  • podstawowe koncepcje uczenia maszynowego, uczenia głębokiego i sieci neuronowych
  • przygotowywanie zbiorów danych i zarządzanie nimi
  • algorytmy uczenia maszynowego
  • rodzaje architektury sieci neuronowych
  • uczenie głębokich sieci neuronowych
  • olbrzymie zbiory danych i uczenie poprzez wzmacnianie

Już dziś zacznij tworzyć systemy inteligentne!

W marcu jak w zaczytanym garncu!  Ebooki -40%, książki -35%

Wybrane bestsellery

O autorze książki

Aurélien Géron - jest konsultantem do spraw uczenia maszynowego. Wcześniej pracował w korporacji Google, a w latach 2013 – 2016 kierował zespołem klasyfikowania filmów w firmie YouTube. Był również założycielem i dyrektorem do spraw technicznych (w latach 2002 – 2012) w firmie Wifirst — czołowym francuskim dostawcy bezprzewodowych usług internetowych; te same funkcje pełnił w 2001 roku w firmie Polyconseil — obecnie zarządza ona usługą udostępniania samochodów elektrycznych Autolib’.

Zobacz pozostałe książki z serii

Helion - inne książki

Najczęściej zadawane pytania (FAQ)
1. Czy książka ,,Uczenie maszynowe z użyciem Scikit-Learn i TensorFlow" zawiera praktyczne przykłady kodu?
Tak, książka zawiera liczne praktyczne przykłady i ćwiczenia, które krok po kroku pokazują, jak implementować algorytmy uczenia maszynowego oraz sieci neuronowe w Pythonie z wykorzystaniem bibliotek Scikit-Learn i TensorFlow.
2. Czy do korzystania z książki potrzebna jest znajomość języka Python?
Tak, podstawowa znajomość Pythona jest wymagana, ponieważ wszystkie przykłady i ćwiczenia opierają się na tym języku programowania.
3. Jakie zagadnienia z uczenia maszynowego są omawiane w książce?
Książka obejmuje szeroki zakres tematów, w tym podstawowe koncepcje uczenia maszynowego, przygotowanie danych, algorytmy klasyfikacji i regresji, drzewa decyzyjne, maszyny wektorów nośnych, uczenie głębokie, sieci neuronowe (w tym splotowe i rekurencyjne), autokodery oraz uczenie przez wzmacnianie.
4. Czy książka jest odpowiednia dla osób chcących rozpocząć przygodę z uczeniem maszynowym?
Tak, książka została napisana w przystępny sposób i prowadzi czytelnika od podstaw do bardziej zaawansowanych zagadnień, dzięki czemu świetnie nadaje się dla osób rozpoczynających naukę uczenia maszynowego.
5. Czy w książce znajdę informacje o instalacji i konfiguracji Scikit-Learn oraz TensorFlow?
Tak, w książce znajdują się szczegółowe instrukcje dotyczące instalacji i konfiguracji obu bibliotek, a także przykłady pierwszych projektów z ich wykorzystaniem.
6. Czy książka zawiera rozwiązania do zadań i ćwiczeń?
Tak, w dodatku do książki znajdują się rozwiązania do wszystkich ćwiczeń, co ułatwia samodzielną naukę i weryfikację postępów.
7. Jakie dodatkowe materiały są dostępne wraz z książką?
Książka oferuje dostęp do kodów źródłowych przykładów, listę kontrolną projektu uczenia maszynowego oraz dodatki omawiające zaawansowane tematy, takie jak różniczkowanie automatyczne i inne architektury sieci neuronowych.
8. Czy książka nadaje się do nauki samodzielnej, czy raczej jako podręcznik akademicki?
Publikacja świetnie sprawdzi się zarówno jako podręcznik do samodzielnej nauki, jak i jako wsparcie w kursach akademickich i szkoleniach z zakresu uczenia maszynowego.

Zamknij

Przenieś na półkę
Dodano produkt na półkę
Usunięto produkt z półki
Przeniesiono produkt do archiwum
Przeniesiono produkt do biblioteki

Zamknij

Wybierz metodę płatności

Książka
89,00 zł
Niedostępna
Ebook
53,40 zł
Dodaj do koszyka
Płatności obsługuje:
Ikona płatności Alior Bank Ikona płatności Apple Pay Ikona płatności Bank PEKAO S.A. Ikona płatności Bank Pocztowy Ikona płatności Banki Spółdzielcze Ikona płatności BLIK Ikona płatności Crédit Agricole e-przelew Ikona płatności dawny BNP Paribas Bank Ikona płatności Google Pay Ikona płatności ING Bank Śląski Ikona płatności Inteligo Ikona płatności iPKO Ikona płatności mBank Ikona płatności Millennium Ikona płatności Nest Bank Ikona płatności Paypal Ikona płatności PayPo | PayU Płacę później Ikona płatności PayU Płacę później Ikona płatności Plus Bank Ikona płatności Płacę z Citi Handlowy Ikona płatności Płacę z Getin Bank Ikona płatności Płać z BOŚ Ikona płatności Płatność online kartą płatniczą Ikona płatności Santander Ikona płatności Visa Mobile