Praktyczne uczenie nienadzorowane przy użyciu języka Python
- Promise
-
9788375414264
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...
63,84 zł
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.
Jest autorem niewielu podręczników, jednak ich treści są bardzo wartościowe. Często autorzy podręczników szkolnych mają wyższe stopnie naukowe w dyscyplinie, na temat której piszą. Czy wiesz, że niektórzy autorzy tworzą tylko jeden do dwóch materiałów szkolnych, skupiając się bardziej na eksplorowaniu dziedziny nauczania. Wynikać to może na przykład z włożenia dużego wysyłku w proces katalogowania treści. W przypadku niewielu zdarza się, że łączenie wiedzy z ich przekazywaniem idą w parze.
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.
FAQ
Sekcja FAQ
Kto jest autorem "Praktyczne uczenie nienadzorowane przy użyciu języ"?
Za treścią książki stoi Ankur A. Patel.
Jak zweryfikować, czy to ten podręcznik muszę kupić?
Sprawdź dokładnie wykaz książek w Twojej szkole w bieżącym roku szkolnym. Zwróć szczególną uwagę na tytuł, autora/autorów oraz wydawnictwo. Miej na uwadze, że każda placówka może mieć inne wymagania dotyczące wykazu podręczników. Z tego powodu warto jest uzyskać informacje bezpośrednio od wychowawców bądź z listy podręczników szkolnych wywieszonych w szkole.
W którym roku został wydany "Praktyczne uczenie nienadzorowane przy użyciu języ"?
Rok wydania Praktyczne uczenie nienadzorowane przy użyciu języ to 2020. Podręcznik "Praktyczne uczenie nienadzorowane przy użyciu języ" od lat jest uznanym źródłem wiedzy i narzędziem dla wielu szkół. Przez ten okres pozyskał duże zaufanie nauczycieli, co potwierdza jego wartość edukacyjną.
Ile stron ma ta pozycja?
362 - tyle stron liczy ten tytuł.
Jest wypełniony treścią edukacyjną podkreśloną obrazkami i ilustracjami. Zawarto w nim ważne, starannie dobrane materiały, które rozwijają wiedzę z danego zakresu.
Jest wypełniony treścią edukacyjną podkreśloną obrazkami i ilustracjami. Zawarto w nim ważne, starannie dobrane materiały, które rozwijają wiedzę z danego zakresu.
W jaką okładkę oprawiony jest podręcznik?
Podręcznik ma miękką oprawę, dzięki czemu wygodnie korzysta się z niego nawet w podróży do szkoły.
W co, poza podręcznikami, warto zaopatrzyć ucznia?
Pamiętaj o zeszytach! Plus na stronach www szkół zazwyczaj można znaleźć informacje dotyczące dodatkowych zapotrzebowań a propos wyprawki dla poszczególnych klas. Na listach zazwyczaj znajdują się często: długopisy, ołówki, flamastry, artykuły plastyczne i kreatywne. Pamiętaj, że uczniowi używającemu przedmiotów, które lubi, takich jak piórnik z ulubionym bohaterem oraz plecak w ulubionym kolorze, będzie w szkole raźniej. Sprawdź, jakie produkty szkolne polecamy w Bee.pl. Mamy tak imponujący wybór, że z pewnością znajdziesz coś interesującego.
Czy mogę zwrócić lub wymienić kupiony podręcznik?
Produkty nie podlegają wymianie, ale pamiętaj o tym, że nietrafiony podręcznik kupiony online możesz zwrócić, a w zamian zamówić odpowiedni. Chcesz wiedzieć więcej o tym, jak można zwracać nietrafione zakupy? Komplet informacji znajdziesz na tej stronie.
Szczegóły - Praktyczne uczenie nienadzorowane przy użyciu języka Python
- Autor: A Ankur Patel
- Ilość stron: 362
- Oprawa: Miękka
- Rok wydania: 2020
- Wydawnictwo Promise
- Stan: nowy, pełnowartościowy produkt
- Model: 9788375414264
- EAN: 9788375414264
- ISBN: 9788375414264
- Język: polski
- Podtytuł: Jak budować użytkowe rozwiązania uczenia maszynowego na podstawie nieoznakowanych danych
- Oryginalny tytuł: Hands-On Unsupervised Learning Using Python: How to Build Applied Machine Learning Solutions from Un
- Wymiary: 17.0x23.0x1.8 cm
Dane producenta
A.P.N. PROMISE S.A., ul. Domaniewska 44A, 02-672 Warszawa, Polska, biuro@promise.pl
