Прикладне машинне навчання з допомогою Scikit-Learn і TensorFlow: концепції, інструменти та техніки для створення інтелектуальних систем

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 книзі "Прикладне машинне навчання з допомогою Scikit-Learn і TensorFlow: концепції, інструменти та техніки для створення інтелектуальних систем" 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


Про автора:
Орельєн Жерон - консультант з машинного навчання. Колишній працівник компанії Google, він керував командою класифікації відеороликів YouTube з 2013 по 2016 рік. З 2002 по 2012 рік він також був засновником і керівником технічного відділу в компанії Wifirst, провідного постачальника послуг бездротового доступу до Інтернету у Франції, а у 2001 році - засновником і керівником технічного відділу у фірмі Polyconseil, яка зараз керує сервісом спільного користування електромобілями Autolib'.

Відгук експерта:

"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



Зміст книги Орельєн Жерон "Прикладне машинне навчання з допомогою Scikit-Learn і TensorFlow: концепції, інструменти та техніки для створення інтелектуальних систем"



Частина I. Основи машинногообучения 25
Глава 1. Введення в машинне навчання 27
Розділ 2. Повний проект машинного навчання 63
Розділ 3. Класифікація 121
Розділ 4. Навчання моделей 153
Глава 5. Методи опорних векторів 199
Розділ 6. Дерева прийняття рішень 223
Глава 7. Ансамблева навчання і випадкові лісу 239
Глава 8. Пониження розмірності 267
Частина II. Нейронні мережі і глибоке навчання 291
Глава 9. Підготовка до роботи з TensorFlow 293
Глава 10. Введення в штучні нейронні мережі 323
Глава 11. Навчання глибоких нейронних мереж 351
Глава 12. Використання TensorFlow для розподілу
обчислень між пристроями і серверами 401
Глава 13. Згорткові нейронні мережі 453
Глава 14. Рекурентні нейронні мережі 483
Глава 15. Автокодировщики 523
Глава 16. Навчання з підкріпленням 553
Додаток А. Рішення вправ 593
Додаток Б. Контрольний перелік для проекту машинного навчання 633
Додаток Ст. Двоїста задача SVM 640
Додаток Р. Автоматичне диференціювання 643
Додаток Д. Інші популярні архітектури штучних нейронних мереж 651
Предметний покажчик 662