- Регистрация
- 8 Сен 2016
- Сообщения
- 508.349
- Реакции
- 269.013
[Себастьян Рашка и др.] [БХВ] Машинное обучение с PyTorch и Scikit-Learn (2024)
[БХВ] Машинное обучение с PyTorch и Scikit-Learn [Себастьян Рашка, Юси (Хэйден) Лю, Вахид Мирджалили]
Исчерпывающее руководство по машинному (МО) и глубокому обучению с использованием языка программирования Python, фреймворка PyTorch и библиотеки scikit-learn. Рассмотрены основы МО, алгоритмы для задач классификации, классификаторы на основе scikit-learn, предварительная обработка и сжатие данных, современные методы оценки моделей и объединение различных моделей для ансамблевого обучения. Рассказано о применении МО для анализа текста и прогнозировании непрерывных целевых переменных с помощью регрессионного анализа, кластерном анализе и обучении без учителя, показано построение многослойной искусственной нейронной сети с нуля. Раскрыты продвинутые возможности PyTorch для решения сложных задач. Описано применение глубоких сверточных и рекуррентных нейронных сетей, трансформеров, генеративных состязательных и графовых нейронных сетей, Особое внимание уделено обучению с подкреплением для систем принятия решений в сложных средах.
Разрабатывайте модели машинного и глубокого обучения с помощью Python
Перед вами не только исчерпывающее руководство по машинному и глубокому обучению с использованием Python, фреймворка PyTorch и библиотеки scikit-learn. но и справочник, к которому вы будете постоянно возвращаться при создании систем машинного обучения. Книга подробно описывает все основные методы машинного обучения и содержит четкие пояснения, визуализации и примеры. Автор стремится научить читателя принципам самостоятельного создания моделей и приложений, а не просто следовать жестким инструкциям.
Описаны новые дополнения к библиотеке scikit-learn. Рассмотрены различные методы машинного и глубокого обучения для классификации текста и изображений. Рассказано о генеративно-состязательных сетях (GAN) для синтеза новых данных и обучения интеллектуальных агентов Освещены последние тенденции в области глубокого обучения, включая введение в графовые нейронные сети и крупномасштабные преобразователи, используемые для обработки естественного языка (NLP). Книга будет полезна как начинающим разработчикам на Python, слабо знакомым с машинным обучением, так и опытным, желающим углубить свои знания.
Вы изучите:
- фреймворки, модели и методы машинного обучения, применимые к широкому кругу задач и наборов данных;
- библиотеку scikit-learn для машинного обучения и фреймворк PyTorch для глубокого обучения;
- приемы обучения классификаторов на изображениях, тексте и т. д.;
- средства создания и обучения нейронных сетей, преобразователей и графических нейронных сетей;
- передовые методы оценки и настройки моделей.
- прогнозирование непрерывных целевых результатов с помощью регрессионного анализа;
- особенности текстовых данных и данных из социальных сетей с помощью тонального анализа.
Год издания: 2023 г.
Формат книги: PDF (скан)
Продажник:
Скрытый контент.
Вам необходимо зарегистрироваться для просмотра скрытого контента
Скачать:
Для просмотра скрытого содержимого вы должны зарегистрироваться
Возможно, Вас ещё заинтересует:
- [Ольга Данилина] 8 занятий и навык на всю жизнь! Обучение быстрой печати на клавиатуре (2025)
- [В. Захаров] Дом, который пашет. Как врубить фэншуй заставить стены работать на твой доход (2025)
- [Вера Дейногалериан] Воркбук. Пересобрать жизнь за 30 дней (2025)
- [Лара Легран] Тайны биохакера. Как за 7 месяцев стать сверхчеловеком (2025)
- [Бронислав Виногродский] Власть. 64 стратегии удержания и передачи по Книге Перемен (2025)
- [Лина Дианова] Неудобные вопросы. 40 микросессий с психологом на острые и даже стыдные темы (2025)
- [Томас Фрагейл] Магия Excel для непрограммистов. Сводные таблицы, Power Query, дашборды (2025)
- [Антон Могучий] Большие таблицы Шульте 10х10. Интенсивный тренинг для мозга на 1 месяц (2025)