Машинне навчання за допомогою Scikit-Learn та TensorFlow. Видання II

aurélien géron

У 2006 році світ науки був захоплений глибокими нейронними мережами. На відміну від попередніх переконань, виявилося, що їхнє навчання можливе. Цю техніку називали глибоким вченням. Це вимагало забезпечення величезної обчислювальної потужності та потужної кількості даних, але потенціал навчених глибоких мереж був дивовижним. Наступні роки принесли пишну розробку цієї технології у багатьох сферах, що дозволило створити різні передові продукти. Робота над новими програмами глибоких мереж триває. Здається, все свідчить про те, що незабаром вони домінують над більшістю областей нашого життя.

Це друге видання найкращого посібника з продажу методів машинного навчання. Мінімальні навички програмування достатньо, щоб навчитися будувати та навчати глибоку нейронну мережу. Тут містився мінімум теорії, а процес навчання сприяє численними прикладами та вправами. Були використані готові рішення та були представлені правила роботи зі спеціалізованими інструментами, включаючи TensorFlow 2, останню партію модуля. Як результат, ви будете непомітно необхідний ресурс концепцій та інструментів для створення інтелектуальних систем. Ви дізнаєтесь різноманітні методи і почнете їх використовувати самостійно. Прочитавши, ви будете вільно використовувати новітні технології штучного інтелекту!

У цій книзі, серед інших:

• Основи машинного навчання та запуску роботи з Tensorflow
• Об'єктів, що виявляють методи, реалізація моделей сегментації та механізми уваги
• Впровадження моделей напруженості

tensorflow 2: Джерело магії передових технологій!

про автора

aurélien géron - є консультантом з машинного навчання. Раніше він працював у корпорації Google, а в 2013 - 2016 роках керував командою класифікаційних фільмів на YouTube. Він також був засновником та директором з технічних питань (у 2002 - 2012 роках) у Wifirst - провідному французькому постачальником послуг бездротового Інтернету; Він виконував ті самі функції в Polyconseil у 2001 році - в даний час він керує службою обміну електромобілями Autolib.

Зміст

Передмова 15

Частина I. Частина I. Основи машинного навчання 25

1. Пейзаж машинного навчання 27

• Що таке машинне навчання? 28
• Навіщо використовувати машинне навчання? 28
• Зразкові додатки 31
• Типи систем машинного навчання 33

  Контрольоване навчання та неузбординатне навчання 34

  Вхідне навчання та інкрементальне навчання 40

  Навчання з прикладів та навчання з моделі 43

• Non -presentative teaching data 50

  poor quality data 51

  irrelevant features 52

  Overntension of teaching data 52

  Neprusting of the teaching data 54

  Summary 54

• Hyperparameters and selection of the 55 model

  Data Несумісність 56

• Вправи 57