|
Python и машинное обучение: машинное и глубокое обучение с использованием Python, scikit-learn и TensorFlow 2, 3-е издание
|
|
Товара сейчас нет в наличии.Вы можете оставить заявку. При появлении его в продаже Вам будет выслано уведомление. Последняя актуальная цена товара была 1320.00 грн. Последний раз товар был в продаже 10.07.2023.
|
848 стр.; твердый переплет; тип бумаги: офсетная белая; формат 70x100/16 (170x240 мм); Издательство Диалектика; ISBN 978-5-907203-57-0, 9781789955750
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. Все иллюстрации к книге в цветном варианте доступны по адресу go.dialektika.com/pythonml.
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.
Читать полностью ⇓Подробнее о книге от издателя: оглавление, содержание, пролистать ⇓
Оригинальное издание ⇓ Python Machine Learning: Machine Learning and Deep Learning with Python, scikit-learn, and TensorFlow 2, 3rd Edition, Sebastian Raschka, Vahid Mirjalili
|
Комментарий: Книга издана в ч/б варианте. Все иллюстрации к книге в цветном варианте доступны по адресу go.dialektika.com/pythonml.
Лучшие книги аналогичной тематики |
|
|
Изучаем Python, том 1, 5-е издание Марк Лутц 970.00 грн.
| Изучаем Python, том 2, 5-е издание Марк Лутц 970.00 грн.
| Шаблоны корпоративных приложений Мартин Фаулер 800.00 грн.
| Python для чайников, 2-е издание Джон Пол Мюллер 670.00 грн.
|
| Искусственный интеллект с примерами на Python Пратик Джоши 670.00 грн.
| Алгоритмы для чайников Джон Пол Мюллер, Лука Массарон 670.00 грн.
| Python для финансовых расчетов. 2-е издание Ив Хилпиш 890.00 грн.
| Искусственный интеллект: современный подход, 4-е издание. То... Стюарт Рассел, Питер Норвиг 580.00 грн.
|
| Искусственный интеллект: современный подход, 4-е издание. То... Стюарт Рассел, Питер Норвиг 670.00 грн.
| Python. Карманный справочник, 5-е издание Марк Лутц 490.00 грн.
| Наука о данных: учебный курс Стивен С. Скиена 405.00 грн.
| ASP.NET 3.5, компоненты AJAX и серверные элементы управления... Роб Камерон, Дэйл Михалк 360.00 грн.
|
Скидки от 5% - при покупке от 2 книг или от 300 грн. Подробнее
Новые книги аналогичной тематики |
|
|
Скидки от 5% - при покупке от 2 книг или от 300 грн. Подробнее
|
Разделы каталога |
|
|
|