Python и машинное обучение. Машинное и глубокое обучение с использованием Python, scikit-learn; Диалектика, 2020

5606 р.

  • Издатель: Диалектика
  • ISBN: 978-5-907203-57-0
  • EAN: 9785907203570

  • Книги: Машинное обучение. Анализ данных
  • ID:6753864
Где купить

Где купить (1)

Цена от 5606 р. до 5606 р. в 1 магазинах

МагазинЦенаНаличие
Яндекс.Маркет
5/5
5606 р.
Кэшбэк до 3.8%
Промокоды на скидку

17.06.2025
Avito доставка позволит получить любой товар, не выходя из дома

История цены

МагазинПоследняя известная ценаОбновлено
Лабиринт
6172 р.
21.11.2024
Мегамаркет
4043 р.
24.12.2024
МАЙШОП
3745 р.
23.06.2024

Предложения банков


Компания Предложение
Халва

Рассрочка 0% до 36 мес. Лимит кредитования - до 500 000 рублей. Снятие заемных средств в рассрочку на 3 мес. Кэшбэк до 10%

РОСБАНК

Cashback: - от 2 до 10% — на 2 выбранные категории - 1% — на остальные покупки в зависимости от общей суммы с начала месяца

Описание

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 книги

Фреймворки, модели и методики, которые позволяют машинам "учиться" на основе данных

Использование scikit-learn для машинного обучения и TensorFlow для глубокого обучения

Применение машинного обучения для классификации изображений, смыслового анализа, создания интеллектуальных веб-приложений и многого другого

Построение и обучение нейронных сетей, порождающих состязательных сетей и других моделей

Реализация веб-приложений с искусственным интеллектом

Выполнение очистки и подготовки данных для машинного обучения

Классификация изображений с использованием глубоких сверточных нейронных сетей

Рекомендуемые приемы для оценки и настройки моделей

Прогнозирование непрерывных целевых результатов с использованием регрессионного анализа

Обнаружение скрытых шаблонов и структуры в данных с помощью кластеризации

Углубление в текстовые данные и данные социальных сетей с применением смыслового анализа

Прикладное 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.

Python и машинное обучение. Машинное и глубокое обучение с использованием Python, scikit-learn - фото №1

Python и машинное обучение. Машинное и глубокое обучение с использованием Python, scikit-learn - фото №2

Смотри также о книге.

О книге


ПараметрЗначение
Автор(ы)
ПереплетТвердая глянцевая
Год издания2020
ИздательДиалектика
Кол-во страниц848
Возрастные ограничения12
Количество страниц848
Количество книг1
Формат70х100/16
Возрастное ограничение16+
ИздательствоДиалектика
Тип обложкитвердая
АвторРашка Себастьян; Мирджалили Вахид
Вес1230
ISBN978-5-907203-57-0
Размеры70x100/16
Обложкатвердый переплёт
Язык изданияrus


Отзывы (4)


  • 1/5

    Обратите внимание, что 3-е издание - не полноцветное. Графики, рисунки, код - это всё оттенки серого. На сайте издательства можно скачать архив цветных иллюстраций, но код-то всё равно останется серым...

  • 5/5

    Книга просто замечательная. Я о нейросетях в последний раз слышала 10 лет назад в университете. Теперь же, когда на работе потребовалось написать программное обеспечение с нейросетью, эта книга стала настоящим учебником. Авторы всё очень доходчиво объясняют.
    Один только недостаток - уже устаревшая версия TensorFlow использована в коде, представленном в книге. С новой версией этой библиотеки ничего не работает (PyCharm, Python + Anaconda). Я долго билась над разгадкой почему ничего не работает, а потом Себастьян Рашка (да, я списалась с автором) написал мне, что уже есть 3е издание!
    А так с точки зрения теории - книга просто восхитительная.

Все отзывы (4)

Зарегистрируйтесь и получайте бонусы за покупки!


Похожие товары

закладки (0) сравнение (0)

13 ms