Praktické genetické algoritmy v jazyce Python

Recenze čtenářů

Kniha je vysoce hodnocena jako komplexní a zároveň stručný úvod do genetických algoritmů (GA), vhodný zejména pro začátečníky se základní znalostí jazyka Python. Čtenáři oceňují její srozumitelnost, přímočarost a praktické příklady, díky nimž je vynikajícím zdrojem informací pro aplikaci GA v reálném světě. Někteří čtenáři však shledávají, že na začátku textu chybí praktické zkušenosti s kódováním, a zaznamenali problémy s formátováním ve verzi pro Kindle.

⬤ Vyčerpávající a stručné
⬤ snadno srozumitelné
⬤ skvělý úvod pro nováčky v GA
⬤ jasné vysvětlení složitých konceptů
⬤ praktické příklady využívající rámec DEAP
⬤ silné pro praktické aplikace v projektech
⬤ užitečné vizualizace
⬤ přístupné a dobře napsané.

⬤ Chybí praktické příklady kódování v prvních kapitolách
⬤ některé úryvky kódu jsou vytržené z kontextu a nejsou důkladně vysvětleny
⬤ problémy s formátováním Kindle znesnadňují čtení.

(na základě 12 hodnocení čtenářů)

Původní název:

Hands-On Genetic Algorithms with Python

Obsah knihy:

Prozkoumejte neustále se rozvíjející svět genetických algoritmů pro řešení úloh spojených s vyhledáváním, optimalizací a umělou inteligencí a vylepšujte modely strojového učení pomocí knihoven Pythonu, jako jsou DEAP, scikit-learn a NumPy Klíčové vlastnosti Prozkoumejte s tímto svižným průvodcem zákoutí genetických algoritmů Implementujte úlohy, jako je výběr prvků, optimalizace vyhledávání a shluková analýza, pomocí Pythonu Řešte kombinatorické problémy, optimalizujte funkce a zvyšujte výkon aplikací umělé inteligence Popis knihy

Genetické algoritmy jsou rodinou vyhledávacích, optimalizačních a učebních algoritmů inspirovaných principy přirozené evoluce. Napodobováním evolučního procesu mohou genetické algoritmy překonávat překážky, s nimiž se setkáváme u tradičních vyhledávacích algoritmů, a poskytovat vysoce kvalitní řešení nejrůznějších problémů. Tato kniha vám pomůže osvojit si výkonný a přitom jednoduchý přístup k použití genetických algoritmů pro širokou škálu úloh s využitím jazyka Python, který pokrývá nejnovější vývoj v oblasti umělé inteligence.

Poté, co se seznámíte s genetickými algoritmy a principy jejich fungování, pochopíte, jak se liší od tradičních algoritmů a jaké typy problémů mohou řešit. Poté zjistíte, jak je lze aplikovat na vyhledávací a optimalizační problémy, jako je plánování, rozvrhování, hry a analytika. Postupně se také naučíte, jak genetické algoritmy používat ke zdokonalování modelů strojového učení a hlubokého učení, k řešení úloh posilování učení a k rekonstrukci obrazu. Nakonec se budete zabývat několika souvisejícími technologiemi, které mohou otevřít nové možnosti pro budoucí aplikace.

Na konci této knihy budete mít praktické zkušenosti s použitím genetických algoritmů v umělé inteligenci i v mnoha dalších oblastech. Co se naučíte Pochopíte, jak používat nejmodernější nástroje jazyka Python k vytváření aplikací založených na genetických algoritmech Využívejte genetické algoritmy k optimalizaci funkcí a řešení problémů plánování a rozvrhování Zvyšte výkonnost modelů strojového učení a optimalizujte architekturu sítí hlubokého učení Aplikujte genetické algoritmy na úlohy posilování učení pomocí OpenAI Gym Prozkoumejte, jak lze rekonstruovat obrazy pomocí sady poloprůhledných tvarů Objevte další techniky inspirované biologií, jako je genetické programování a optimalizace pomocí částicového roje Komu je tato kniha určena?

Tato kniha je určena vývojářům softwaru, datovým vědcům a nadšencům do umělé inteligence, kteří chtějí používat genetické algoritmy k provádění inteligentních úloh ve svých aplikacích. Pracovní znalost jazyka Python a základní znalosti matematiky a informatiky vám pomohou vytěžit z této knihy maximum. Obsah Úvod do genetických algoritmů Pochopení klíčových součástí genetických algoritmů Použití rámce DEAP Kombinatorická optimalizace Uspokojení omezení Optimalizace spojitých funkcí Vylepšování modelů strojového učení pomocí výběru příznaků Ladění hyperparametrů Modely strojového učení Optimalizace architektury sítí hlubokého učení Posilovací učení s genetickými algoritmy Genetická rekonstrukce obrazu Další evoluční a bioinspirované výpočetní techniky