Прикладне машинне навчання з допомогою Scikit-Learn і TensorFlow

"Ця книга — чудове введення в теорію та практику вирішення завдань з допомогою нейронних мереж. Вона охоплює ключові моменти, необхідні для побудови ефективних програм, а також забезпечує достатню основу для розуміння результатів нових досліджень по мірі їх появи. Я рекомендую цю книгу всім, хто зацікавлений в освоєнні практичного машинного навчання."

— Піт Уорден, технічний керівник напрямку TensorFlow

Завдяки серії недавніх досягнень глибоке навчання значно посилило всю область машинного навчання. У наш час навіть програмісти, майже нічого не знають про цю технологію, можуть використовувати прості й ефективні інструменти для реалізації програм, які здатні навчатися на основі даних. У даному практичному посібнику показано, що і як слід робити.

За рахунок застосування конкретних прикладів, мінімуму теорії і двох фреймворків Python виробничого рівня — Scikit-Learn і TensorFlow — автор книги Орельєн Жерон допоможе вам отримати інтуїтивне уявлення про концепції та інструменти, призначених для побудови інтелектуальних систем. Ви дізнаєтеся про ряд прийомів, почавши з простої лінійної регресії і поступово діставшись до глибоких нейронних мереж. Враховуючи наявність в кожній главі вправ, покликаних закріпити те, чого ви навчилися, для початку роботи потрібен лише досвід програмування.

• Дослідіть область машинного навчання, особливо нейронні мережі
• Використовуйте Scikit-Learn для відстеження проекту машинного навчання від початку до кінця
• Дослідіть деякі навчальні моделі, включаючи методи опорних векторів, дерева прийняття рішень, випадкові лісу та ансамблеві методи
• Застосовуйте бібліотеку TensorFlow для побудови і навчання нейронних мереж
• Дослідіть архітектури нейронних мереж, включаючи згорткові мережі, рекурентні мережі і глибоке навчання з підкріпленням
• Освойте прийоми для навчання і масштабування глибоких нейронних мереж
• Використовуйте практичні приклади коду, не опановуючи надмірно теорією машинного навчання або деталями алгоритмів