Recenze čtenářů
Aktuálně nejsou k dispozici žádné recenze čtenářů. Hodnocení je založeno na 7 hlasů.
Původní název:
Hands-On Unsupervised Learning with Python
Obsah knihy:
Objevte dovednosti potřebné k implementaci různých přístupů ke strojovému učení v jazyce Python Klíčové vlastnosti Prozkoumejte učení bez dohledu pomocí shlukování, autoenkodérů, omezených Boltzmannových strojů a dalších metod Vytvořte si vlastní modely neuronových sítí pomocí moderních knihoven jazyka Python Praktické příklady vám ukážou, jak implementovat různé techniky strojového učení a hlubokého učení Popis knihy
Učení bez dohledu spočívá ve využití nezpracovaných, neoznačených dat a použití učících se algoritmů, které pomohou stroji předpovědět výsledek. S touto knihou se seznámíte s konceptem učení bez dohledu, jehož cílem je shlukovat velké soubory dat a opakovaně je analyzovat, dokud se nenajde požadovaný výsledek pomocí jazyka Python.
Tato kniha začíná hlavními rozdíly mezi učením pod dohledem, bez dohledu a částečně pod dohledem. Seznámíte se s nejpoužívanějšími knihovnami a frameworky z ekosystému Pythonu a budete se zabývat nekontrolovaným učením v oblasti strojového učení i hlubokého učení. Prozkoumáte různé algoritmy, techniky, které se používají k implementaci nekontrolovaného učení v reálných případech použití. Seznámíte se s různými přístupy k učení bez dohledu, včetně náhodné optimalizace, shlukování, výběru a transformace příznaků a teorie informace. Získáte praktické zkušenosti s tím, jak lze neuronové sítě využít v nekontrolovaných scénářích. Prozkoumáte také kroky spojené se sestavením a trénováním sítě GAN za účelem zpracování obrázků.
Na konci této knihy se naučíte umění učení bez dohledu pro různé výzvy z reálného světa. Co se naučíte Používat shlukovací algoritmy k identifikaci a optimalizaci přirozených skupin dat Prozkoumat pokročilé nelineární a hierarchické shlukování v akci Měkké přiřazování štítků pro fuzzy c-means a modely Gaussovské směsi Detekovat anomálie pomocí odhadu hustoty Provádět analýzu hlavních komponent pomocí modelů neuronových sítí Vytvářet modely bez dohledu pomocí GAN Pro koho je tato kniha určena?
Tato kniha je určena statistikům, datovým vědcům, vývojářům strojového učení a odborníkům na hluboké učení, kteří chtějí vytvářet inteligentní aplikace implementací klíčového stavebního prvku neřízeného učení a zvládnout všechny nové techniky a algoritmy nabízené ve strojovém učení a hlubokém učení na příkladech z reálného světa. Žádoucí jsou určité předchozí znalosti konceptů strojového učení a statistiky. Obsah: Začínáme s neřízeným učením Základy shlukování Pokročilé shlukování Hierarchické shlukování v akci Měkké shlukování a modely Gaussovských směsí Detekce anomálií Redukce dimenzionality a analýza komponent Modely neřízených neuronových sítí Generativní adverzní sítě a SOMy
