57.3 USD 42.98 USD
вы экономите 14.32 USD (25%).
Наличие на складе:
Ожидаемое поступление (если вы сделаете заказ прямо сейчас): 04.09.2024; планируемая отправка: 05.09.2024
Ожидаемое поступление (если вы сделаете заказ прямо сейчас): 07.09.2024; планируемая отправка: 08.09.2024
Издательство: | Вильямс/Диалектика |
Дата выхода: | октябрь 2020 |
ISBN: | 9785907203570 |
Объём: | 848 страниц |
Масса: | 1201 г |
Книга является всеобъемлющим руководством по машинному и глубокому обучению с использованием языка Python. Она служит как пошаговым учебным пособием, так и справочником, к которому вы постоянно будете возвращаться в ходе построения систем машинного обучения.Книга наполнена четкими пояснениями, визуальными представлениями, работающими примерами и детально раскрывает все важные методики машинного обучения. В то время как некоторые книги учат вас следовать инструкциям, Рашка и Мирджалили излагают принципы, лежащие в основе машинного обучения, что позволит вам самостоятельно строить модели и приложения.Третье издание книги обновлено с целью учета версии библиотеки TensorFlow 2 и последних добавлений в scikit-learn. Оно расширено для охвата двух самых современных методик машинного обучения: обучения с подкреплением и порождающих состязательных сетей.Эта книга — ваш попутчик в машинном обучении с применением Python, будь вы разработчиком приложений на языке Python, не знакомым с машинным обучением, или разработчиком, желающим углубить свои знания в современных областях.Основные темы книгиФреймворки, модели и методики, которые позволяют машинам "учиться" на основе данныхИспользование scikit-learn для машинного обучения и TensorFlow для глубокого обученияПрименение машинного обучения для классификации изображений, смыслового анализа, создания интеллектуальных веб-приложений и многого другогоПостроение и обучение нейронных сетей, порождающих состязательных сетей и других моделейРеализация веб-приложений с искусственным интеллектомВыполнение очистки и подготовки данных для машинного обученияКлассификация изображений с использованием глубоких сверточных нейронных сетейРекомендуемые приемы для оценки и настройки моделейПрогнозирование непрерывных целевых результатов с использованием регрессионного анализаОбнаружение скрытых шаблонов и структуры в данных с помощью кластеризацииУглубление в текстовые данные и данные социальных сетей с применением смыслового анализаПрикладное машинное обучение с прочным теоретическим фундаментом.Новое издание пересмотрено и расширено с целью охвата TensorFlow 2, порождающих состязательных сетей (GAN) и обучения с подкреплением. Книга является всеобъемлющим руководством по машинному и глубокому обучению с использованием языка Python. Она служит как пошаговым учебным пособием, так и справочником, к которому вы постоянно будете возвращаться в ходе построения систем машинного обучения.Книга наполнена четкими пояснениями, визуальными представлениями и работающими примерами, детально раскрывая все важные методики машинного обучения. В то время как некоторые книги учат вас следовать инструкциям, Рашка и Мирджалили излагают принципы, лежащие в основе машинного обучения, что позволит вам самостоятельно строить модели и приложения.Обновленное с учетом библиотеки TensorFlow 2.0 третье издание предлагает читателям ознакомиться с ее новыми средствами API-интерфейса Keras, а также с последними добавлениями в scikit-learn. Оно расширено для охвата самых современных методик обучения с подкреплением, основанных на глубоком обучении, и введения в порождающие состязательные сети. Наконец, в книге также проводится исследование подобласти обработки естественного языка (NLP), называемой смысловым анализом, что поможет вам использовать алгоритмы машинного обучения для классификации документов.Книга обсуждается в отдельном сообщении в блоге Виктора Штонда.3-е издание.