Python и машинное обучение. Машинное и глубокое обучение с использованием Python, scikit-learn; Диалектика, 2020
- Издатель: Диалектика
- ISBN: 978-5-907203-57-0
EAN: 9785907203570
- Книги: Машинное обучение. Анализ данных
- ID: 6753864
Описание
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.
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.
Книга обсуждается в отдельном сообщении в блоге Виктора Штонда.
Видео Обзоры (5)
5 Лучших Книг По Data Science И Machine Learning
Библиотеки Для Машинного Обучения: Scikit-learn, TensorFlow, Keras, PyTorch | В Чём Разница?
С чего начать обучение Data Science с нуля? / Как бы я начала учить DS с нуля в 2023?
Машинное обучение Python для начинающих. Интенсив по машинному обучению с нуля
Лекция 1. Введение в машинное обучение.
Характеристики (18)
Параметр | Значение |
---|---|
Автор(ы) | Рашка Себастьян, Мирджалили Вахид |
Переплет | Твердая глянцевая |
Год издания | 2020 |
Издатель | Диалектика |
Кол-во страниц | 848 |
Возрастные ограничения | 12 |
Количество страниц | 848 |
Количество книг | 1 |
Формат | 70х100/16 |
Возрастное ограничение | 16+ |
Издательство | Диалектика |
Тип обложки | твердая |
Автор | Рашка Себастьян; Мирджалили Вахид |
Вес | 1230 |
ISBN | 978-5-907203-57-0 |
Размеры | 70x100/16 |
Обложка | твердый переплёт |
Язык издания | rus |
Сравнить цены (4)
Цена от 1643 грн. до 2707 грн. в 4 магазинах
Магазин | Цена | Наличие |
---|---|---|
Купить в кредит (2)
Компания | Предложение |
---|---|
Полезные онлайн-сервисы
Компания | Предложение |
---|
Отзывы (4)
- Егор Петров — 7 Марта 2020
Это очень хорошая книга. Себастьян Рашка известный практик и, на мой взгляд, отличный педагог. Его объяснения легко читать, и при этом они ясные и лаконичные.
Примеры кода на питоне позволяются сразу погрузиться в практику программирования систем ИИ. Всем рекомендую!00 - Полежаева Ксения — 28 Апреля 2020
Книга просто замечательная. Я о нейросетях в последний раз слышала 10 лет назад в университете. Теперь же, когда на работе потребовалось написать программное обеспечение с нейросетью, эта книга стала настоящим учебником. Авторы всё очень доходчиво объясняют.
Один только недостаток - уже устаревшая версия TensorFlow использована в коде, представленном в книге. С новой версией этой библиотеки ничего не работает (PyCharm, Python + Anaconda). Я долго билась над разгадкой почему ничего не работает, а потом Себастьян Рашка (да, я списалась с автором) написал мне, что уже есть 3е издание!
А так с точки зрения теории - книга просто восхитительная.00 - Don Serjio — 1 Мая 2019
Книга о Data Science.
Весьма внушительная книга (как по кол-ву страниц, так и по весу)
Очень качественное издание. Плотный белый офсет и цветная печать, а также актуальный материал, всё это определяют цену книги.
Подобные книги,как правило, выпускаются ограниченным тиражом (в моём экземпляре указан тираж 500 экземпляров).
В книге изложен переработанный материал по машинному обучению (ML) и применению Python для этого. Последовательно и достаточно подробно раскрываются вопросы ML от постановки задачи, к её математическому описанию, графическому представлению (где это возможно) и реализации алгоритмов на Python - всё это содержится в книге.
Рекомендую данную книгу для специалистов в области Data Science, использующих Python для ML и анализа данных.
Для ознакомления несколько страниц.00 - Хмельницкий Константин — 6 Ноября 2020
Обратите внимание, что 3-е издание - не полноцветное. Графики, рисунки, код - это всё оттенки серого. На сайте издательства можно скачать архив цветных иллюстраций, но код-то всё равно останется серым...
00