Прикладное машинное обучение без учителя с использованием Python

По мнению многих отраслевых экспертов, обучение без учителя - передовой рубеж технологий искусственного интеллекта (ИИ) и, возможно, ключ к созданию сильного ИИ. Поскольку подавляющая часть накопленных в мире данных не размечена, к ним нельзя применять традиционное обучение с учителем. В то же время обучение без учителя позволяет успешно работать с неразмеченными наборами данных и выявлять заложенные в них закономерности, обнаружить которые человеку не под силу.

Автор книги "Прикладное машинное обучение без учителя с использованием Python" показывает, как реализовать обучение без учителя на основе двух платформ Python: Scikit-learn и TensorFlow/Keras. Используя готовый код и практические примеры, специалисты по работе с данными смогут выявлять скрытые закономерности в информационных массивах, более глубоко анализировать деловые данные, обнаруживать аномалии, выполнять автоматическое конструирование признаков и генерировать синтетические наборы данных. Все, что потребуется от читателя, - знание программирования и предварительный опыт работы в области машинного обучения.

Основные темы книги:
- Сравнение сильных и слабых сторон различных подходов к машинному обучению: с учителем, без учителя и с подкреплением
- Запуск готового проекта машинного обучения
- Создание системы обнаружения аномалий для выявления попыток мошенничества с банковскими картами
- Кластеризация пользователей путем разбиения их на отчетливо различимые однородные группы
- Обучение с частичным привлечением учителя
- Построение рекомендательной системы фильмов с использованием ограниченных машин Больцмана
- Генерирование синтетических изображений с помощью генеративно-состязательных сетей



Об авторе:
Анкур Пател - вице-президент компании 7Park Data, входящей в портфель активов инвестиционной компании Vista Equity Partners.
Вместе со своей командой разрабатывает программные продукты по обработке данных для хедж-фондов, а также систему MLaaS (машинное обучение как услуга), предназначенную для корпоративных клиентов.


Оглавление книги "Прикладное машинное обучение без учителя с использованием Python"


Введение 17
Часть I. Основы обучения без учителя
Глава 1. Обучение без учителя как один из видов машинного обучения 29
Глава 2. Готовый проект машинного обучения 63
Часть II. Обучение без учителя с использованием библиотеки Scikit-learn
Глава 3. Снижение размерности 117
Глава 4. Обнаружение аномалий 149
Глава 5. Кластеризация 183
Глава 6. Сегментирование групп 209
Часть III. Обучение без учителя с использованием библиотек TensorFlow и Keras
Глава 7. Автокодировщики 233
Глава 8. Реализация автокодировщиков 245
Глава 9. Обучение с частичным привлечением учителя 289
Часть IV. Глубокое обучение без учителя с использованием библиотек
TensorFlow и Keras
Глава 10. Рекомендательные системы на основе ограниченных машин Больцмана 305
Глава 11. Обнаружение признаков с помощью глубоких сетей доверия 329
Глава 12. Генеративно-состязательные сети 363
Глава 13. Кластеризация временных рядов 383
Глава 14. Заключение 411
Предметный указатель 421