Książki
E-booki
Audiobooki
Muzyka
Filmy
Gry i zabawki
Papiernik
Praktyczne uczenie nienadzorowane przy użyciu języ
Autor:
Opis
Opis
Jak budować użytkowe rozwiązania uczenia maszynowego na podstawie nieoznakowanych danych.
Wielu ekspertów branżowych uważa uczenie nienadzorowane za kolejną granicę w dziedzinie sztucznej inteligencji, która może stanowić klucz do pełnej sztucznej inteligencji. Ponieważ większość danych na świecie jest nieoznakowana, nie można do nich zastosować konwencjonalnego uczenia nadzorowanego. Z kolei uczenie nienadzorowane może być stosowane wobec nieoznakowanych zbiorów danych w celu odkrycia istotnych wzorców ukrytych głęboko w tych danych, które dla człowieka mogą być niemal niemożliwe do odkrycia.
Autor Ankur Patel pokazuje, jak stosować uczenie nienadzorowane przy wykorzystaniu dwóch prostych platform dla języka Python: Scikit-learn oraz TensorFlow (wraz z Keras). Dzięki dołączonemu kodowi i praktycznym przykładom analitycy danych będą mogli identyfikować trudne do znalezienia wzorce w danych i odkrywać dogłębne zależności biznesowe, wykrywać anomalie, przeprowadzać automatyczną selekcję zmiennych i generować syntetyczne zbiory danych. Wystarczy znajomość programowania i nieco doświadczenia w uczeniu maszynowym, aby zająć się:
Porównywaniem mocnych i słabych stron różnych podejść do uczenia maszynowego: uczenia nadzorowanego, nienadzorowanego i wzmacnianego.
Przygotowywaniem i zarządzaniem projektami uczenia maszynowego.
Budowaniem systemu wykrywania anomalii w celu wychwycenia oszustwa dotyczącego kard kredytowych.
Rozdzielaniem użytkowników na wydzielone i jednorodne grupy.
Przeprowadzaniem uczenia pół-nadzorowanego.
Opracowywaniem systemów polecania filmów z użyciem ograniczonych automatów Boltzmanna.
Generowaniem syntetycznych obrazów przy użyciu generujących sieci antagonistycznych.
Badacze, inżynierowie i studenci docenią tę książkę pełną praktycznych technik uczenia nienadzorowanego, napisaną prostym językiem z nieskomplikowanymi przykładami w języku Python, które można szybko i skutecznie implementować.
Sarah Nagy
Główny analityk danych w firmie Edison
Ankur A. Patel jest wiceprezesem ds. informatyki analitycznej w firmie 7Park Data, wspieranej przez firmę inwestycyjną Vista Equity Partners. W firmie 7Park Data, Ankur i jego zespół analizy danych wykorzystują dane alternatywne do opracowywania produktów związanych z danymi dla funduszy hedgingowych i korporacji oraz rozwijają usługi uczenia maszynowego dla klientów firmowych.
Producent/osoba odpowiedzialna za bezpieczeństwo produktu
APN Promise
Domaniewska 44a
02-672 Warszawa
biuro@promise.pl
23 355 16 00
Wielu ekspertów branżowych uważa uczenie nienadzorowane za kolejną granicę w dziedzinie sztucznej inteligencji, która może stanowić klucz do pełnej sztucznej inteligencji. Ponieważ większość danych na świecie jest nieoznakowana, nie można do nich zastosować konwencjonalnego uczenia nadzorowanego. Z kolei uczenie nienadzorowane może być stosowane wobec nieoznakowanych zbiorów danych w celu odkrycia istotnych wzorców ukrytych głęboko w tych danych, które dla człowieka mogą być niemal niemożliwe do odkrycia.
Autor Ankur Patel pokazuje, jak stosować uczenie nienadzorowane przy wykorzystaniu dwóch prostych platform dla języka Python: Scikit-learn oraz TensorFlow (wraz z Keras). Dzięki dołączonemu kodowi i praktycznym przykładom analitycy danych będą mogli identyfikować trudne do znalezienia wzorce w danych i odkrywać dogłębne zależności biznesowe, wykrywać anomalie, przeprowadzać automatyczną selekcję zmiennych i generować syntetyczne zbiory danych. Wystarczy znajomość programowania i nieco doświadczenia w uczeniu maszynowym, aby zająć się:
Porównywaniem mocnych i słabych stron różnych podejść do uczenia maszynowego: uczenia nadzorowanego, nienadzorowanego i wzmacnianego.
Przygotowywaniem i zarządzaniem projektami uczenia maszynowego.
Budowaniem systemu wykrywania anomalii w celu wychwycenia oszustwa dotyczącego kard kredytowych.
Rozdzielaniem użytkowników na wydzielone i jednorodne grupy.
Przeprowadzaniem uczenia pół-nadzorowanego.
Opracowywaniem systemów polecania filmów z użyciem ograniczonych automatów Boltzmanna.
Generowaniem syntetycznych obrazów przy użyciu generujących sieci antagonistycznych.
Badacze, inżynierowie i studenci docenią tę książkę pełną praktycznych technik uczenia nienadzorowanego, napisaną prostym językiem z nieskomplikowanymi przykładami w języku Python, które można szybko i skutecznie implementować.
Sarah Nagy
Główny analityk danych w firmie Edison
Ankur A. Patel jest wiceprezesem ds. informatyki analitycznej w firmie 7Park Data, wspieranej przez firmę inwestycyjną Vista Equity Partners. W firmie 7Park Data, Ankur i jego zespół analizy danych wykorzystują dane alternatywne do opracowywania produktów związanych z danymi dla funduszy hedgingowych i korporacji oraz rozwijają usługi uczenia maszynowego dla klientów firmowych.
Praktyczne uczenie nienadzorowane przy użyciu języka Python
Ta książka to nieocenione źródło wiedzy dla wszystkich, którzy pragną zgłębić tajniki uczenia nienadzorowanego w kontekście sztucznej inteligencji. Autor, Ankur Patel, przedstawia praktyczne podejście do budowania rozwiązań uczenia maszynowego na podstawie nieoznakowanych danych, co stanowi klucz do odkrywania ukrytych wzorców w danych.
Dla kogo jest ta książka?
- Analitycy danych pragnący poszerzyć swoje umiejętności w zakresie uczenia nienadzorowanego
- Programiści i inżynierowie zajmujący się sztuczną inteligencją
- Studenci kierunków informatycznych i pokrewnych
- Osoby zainteresowane nowoczesnymi technikami analizy danych
Co zyskasz dzięki tej publikacji?
- Praktyczne umiejętności: Nauczysz się, jak stosować uczenie nienadzorowane w praktyce, wykorzystując popularne biblioteki Python, takie jak Scikit-learn i TensorFlow.
- Odkrywanie wzorców: Dowiesz się, jak identyfikować trudne do znalezienia wzorce w danych oraz odkrywać istotne zależności biznesowe.
- Wykrywanie anomalii: Poznasz techniki wykrywania anomalii, które mogą być kluczowe w wielu zastosowaniach biznesowych.
- Przykłady kodu: Książka zawiera praktyczne przykłady kodu, które ułatwią naukę i zastosowanie omawianych technik.
Kluczowe tematy i obszary:
- Uczenie nienadzorowane w kontekście sztucznej inteligencji
- Analiza nieoznakowanych zbiorów danych
- Wykorzystanie Scikit-learn i TensorFlow w praktyce
- Odkrywanie wzorców i zależności w danych
- Wykrywanie anomalii w zbiorach danych
O Autorze
Ankur A. Patel – ekspert w dziedzinie uczenia maszynowego i sztucznej inteligencji, autor wielu publikacji oraz praktycznych przewodników dotyczących analizy danych i programowania w Pythonie.
O Wydawcy
APN PROMISE – wydawnictwo specjalizujące się w publikacjach z zakresu informatyki, oferujące książki, które łączą teorię z praktycznymi zastosowaniami w nowoczesnych technologiach.
Opis wygenerowany automatycznie na podstawie analizy cech publikacji przez system AI. Nasz algorytm dokonał samodzielnej syntezy korzyści płynących z tej książki, aby dostarczyć Ci rzetelny wgląd w jej zawartość bez udziału człowieka. Szybka informacja prosto z metadanych produktu.
Producent/osoba odpowiedzialna za bezpieczeństwo produktu
APN Promise
Domaniewska 44a
02-672 Warszawa
biuro@promise.pl
23 355 16 00
Szczegóły
Szczegóły
Data wydania: 13.07.2020
Liczba stron: 362
Wymiary: 17x23 cm
Typ okładki:miękka okładka
Wydawca: APN PROMISE
Autor:
Tytuł:Praktyczne uczenie nienadzorowane przy użyciu języ
Kategorie:
EAN: 9788375414264
Recenzje
Recenzje
Produkt nie ma jeszcze recenzji.
Zamieszczenie recenzji nie wymaga logowania. Sklep nie prowadzi weryfikacji, czy autorzy recenzji nabyli lub użytkowali dany produkt.
Nasza cena:55,90 zł
Cena sugerowana przez wydawcę: 79,80 zł
- 1
- 2
- 3
- 4
- 5
- 6
- 7
- 8
- 9+
Wysyłamy w 3 dni
Dostawa do księgarni0 zł
Sprawdź koszt dostawy