Прикладне машинне навчання без вчителя з використанням Python

На думку багатьох галузевих експертів, навчання без учителя - передовий рубіж технологій штучного інтелекту (ШІ) і, можливо, ключ до створення сильного ІІ. Оскільки переважна частина накопичених у світі даних не розмічена, до них не можна застосовувати традиційне навчання з вчителем. У той же час навчання без вчителя дозволяє успішно працювати з немарковані наборами даних і виявляти закладені в них закономірності, виявити які людині не під силу.

Автор книги "Прикладне машинне навчання без вчителя з використанням Python" показує, як реалізувати навчання без вчителя на основі двох платформ Python: Scikit-learn і TensorFlow/Keras. Використовуючи готовий код та практичні приклади, фахівці по роботі з даними зможуть виявляти приховані закономірності в інформаційних масивах, більш глибоко аналізувати ділові дані, виявляти аномалії, виконувати автоматичне конструювання ознак і генерувати синтетичні набори даних. Все, що потрібно від гравця, - знання програмування та попередній досвід роботи в області машинного навчання.

Основні теми книги:
- Порівняння сильних і слабких сторін різних підходів до машинного навчання: з учителем, без вчителя і з підкріпленням
- Запуск готового проекту машинного навчання
- Створення системи виявлення аномалій для виявлення спроб шахрайства з банківськими картами
- Кластеризація користувачів шляхом розбиття їх на чітко помітні однорідні групи
- Навчання з частковим залученням вчителя
- Побудова рекомендаційної системи фільмів з використанням обмежених машин Больцмана
- Генерування синтетичних зображень з допомогою генеративно-змагальних мереж



Про автора:
Анкур Пател - віце-президент компанії 7Park Data, що входить у портфель активів інвестиційної компанії Vista Equity Partners.
Разом зі своєю командою розробляє програмні продукти по обробці даних для хедж-фондів, а також систему MLaaS (машинне навчання як послуга), призначену для корпоративних клієнтів.


Зміст книги "Прикладне машинне навчання без вчителя з використанням Python"


Запровадження 17
Частина I. Основи навчання без вчителя
Глава 1. Навчання без вчителя як один з видів машинного навчання 29
Розділ 2. Готовий проект машинного навчання 63
Частина II. Навчання без учителя з використанням бібліотеки Scikit-learn
Розділ 3. Зниження розмірності 117
Розділ 4. Виявлення аномалій 149
Розділ 5. Кластеризація 183
Глава 6. Сегментування груп 209
Частина III. Навчання без учителя з використанням бібліотек TensorFlow і Keras
Глава 7. Автокодировщики 233
Глава 8. Реалізація автокодировщиков 245
Глава 9. Навчання з частковим залученням вчителя 289
Частина IV. Глибоке навчання без учителя з використанням бібліотек
TensorFlow і Keras
Глава 10. Рекомендаційні системи на основі обмежених машин Больцмана 305
Глава 11. Виявлення ознак з допомогою глибоких мереж довіри 329
Глава 12. Генеративно-змагальні мережі 363
Глава 13. Кластеризація часових рядів 383
Глава 14. Висновок 411
Предметний покажчик 421