Прикладное машинное обучение с помощью Scikit-Learn, Keras и TensorFlow. Концепции, инструменты; Диалектика, 2020
от 154 р. до 169 р.
- Издатель: Диалектика
- ISBN: 978-5-907203-33-4
EAN: 9785907203334
- Книги: Машинное обучение. Анализ данных
- ID:6753863
Сравнить цены (2)
Цена от 154 р. до 169 р. в 2 магазинах
Магазин | Цена | Наличие |
---|---|---|
Описание
Выдающийся ресурс для изучения машинного обучения. Вы найдете здесь ясные и интуитивно понятные объяснения, а также обилие практических советов.
Франсуа Шолле, автор библиотеки Keras, автор книги Deep Learning with Python
Эта книга — замечательное введение в теорию и практику решения задач с помощью нейронных сетей; я рекомендую ее всем, кто заинтересован в освоении практического машинного обучения.
Пит Уорден, руководитель команды мобильной разработки TensorFlow
Благодаря серии выдающихся достижений глубокое обучение значительно усилило всю область машинного обучения. В наше время даже программисты, почти ничего не знающие об этой технологии, могут использовать простые и эффективные инструменты для реализации программ, которые способны обучаться на данных. Новое издание книги-бестселлера, опирающееся на конкретные примеры, минимум теории и готовые фреймворки Python производственного уровня, поможет вам получить интуитивное представление о концепциях и инструментах, предназначенных для построения интеллектуальных систем.
Вы освоите широкий спектр методик, которые можно быстро задействовать на практике. Учитывая наличие в каждой главе упражнений, призванных закрепить то, чему вы научились, для начала работы нужен лишь опыт программирования. Весь код доступен на GitHub. Он был обновлен с учетом TensorFlow 2 и последней версии Scikit-Learn.
Особенности книги
Изучите основы машинного обучения на сквозном проекте с применением Scikit-Learn и Pandas
Постройте и обучите нейронные сети с многочисленными архитектурами для классификации и регрессии, используя TensorFlow 2
Ознакомьтесь с выявлением объектов, семантической сегментацией, механизмами внимания, языковыми моделями, порождающими состязательными сетями и многим другим
Исследуйте Keras API — официальный высокоуровневый API-интерфейс для TensorFlow 2
Запускайте в производство модели TensorFlow с применением Data API из TensorFlow, стратегий распределения, TF Transform и TF Serving
Развертывайте модели на платформе AI Platform инфраструктуры Google Cloud или на мобильных устройствах
Используйте методики обучения без учителя, такие как понижение размерности, кластеризация и обнаружение аномалий
Создавайте автономные обучающиеся агенты с помощью обучения с подкреплением, в том числе с применением библиотеки TF-Agents
Книга обсуждается в отдельном сообщении в блоге Виктора Штонда.
Об авторе
Орельен Жерон — консультант и инструктор по машинному обучению.
Бывший работник компании Google, с 2013 по 2016 год он руководил командой классификации видеороликов YouTube. С 2002 по 2012 год он также был основателем и руководителем технического отдела в компании Wifirst (ведущего поставщика услуг беспроводного доступа к Интернету во Франции).
Смотри также о книге.
О книге
Параметр | Значение |
---|---|
Автор(ы) | Жерон Орельен |
Переплет | Твердая глянцевая |
Год издания | 2020 |
Издатель | Диалектика |
Кол-во страниц | 1040 |
Возрастные ограничения | 12 |
Тип обложки | твердая |
Оформление обложки | лакировка |
Возрастное ограничение | 16+ |
Количество книг | 1 |
Вес | 1470 |
Формат | 70х100/16 |
Автор | Жерон Орельен |
Издательство | Диалектика |
Количество страниц | 1040 |
ISBN | 978-5-907203-33-4 |
Размеры | 70x100/16 |
Обложка | твердый переплёт |
Язык издания | rus |
Отзывы (2)
- Хмельницкий Константин — 28 Октября 2020
Обратите внимание, "полноцветное издание" на самом деле чёрно-белое, точнее, "50 оттенков серого". По кр.мере такое мне предложили в Лабиринте и других магазинах.
Приложенные рисунки - из первого издания, проверил по своему экземпляру. - Байдина Светлана — 31 Июля 2021
Качество перевода увы - почти машинное.
Например (кому интересно стр 64, последний абзац):
"Крайне важно применять обучающий набор, репрезентативный для примеров, на которые вы хотите обобщить. Достичь такой цели часто труднее, чем может показаться: если образец слишком мал, то вы получите шум выборки (sampling noise), т.е. непрезентативные данные, как исход шанса."
Переводчик абсолютно незнаком с темой. Например - переведены термины (причем - буквально). Кто бы догадался, что GridSearch назовут "Решетчатым поиском"?
Знакомым с ML (хоть чуть-чуть) - сгодится, как справочник. Начинающим - не советую.
Добавить отзыв
Книги: Машинное обучение. Анализ данных Диалектика
Категория 123 р. - 184 р.
Книги: Машинное обучение. Анализ данных: другие издатели
- Bhv-cпб
- Альпина Диджитал
- Альпина Паблишер
- Бомбора
- БХВ
- Вильямс
- Вузовский учебник
- Диалектика
- Диалектика-Вильямс
- Директмедиа Паблишинг
- ДМК Пресс
- ДМК Пресс, ДМК Пресс
- ДМК-Пресс
- Издательский дом "Питер"
- ИЗДАТЕЛЬСТВО "АСТ"
- Издательство Студии Артемия Лебедева
- Инфра-Инженерия
- ИНФРА-М
- Кнорус
- Лаборатория знаний
- Лань
- Манн, Иванов и Фербер
- МАНН, ИВАНОВ И ФЕРБЕР ООО
- Научная библиотека
- Олимп-Бизнес
- ООО "Издательство Астрель"
- ПИТЕР
- Прогресс книга
- Прометей
- Проспект
- Солон-пресс
- Техносфера
- Точка
- Эксмо
- Эксмо-Пресс