Értékelés:
Jelenleg nincsenek olvasói vélemények. Az értékelés 2 olvasói szavazat alapján történt.
Machine Learning and Deep Learning With Python: Use Python Jupyter to Implement Mathematical Concepts, Machine Learning Algorithms and Deep Learning N
Ez a könyv átfogó útmutató a legmodernebb gépi tanulási és mélytanulási technikák megértéséhez és megvalósításához a Python programozási nyelv használatával. A kezdő és tapasztalt fejlesztők számára egyaránt megírt könyv alapos áttekintést nyújt a gépi tanulás és a mélytanulás alapjairól, beleértve a matematikai alapokat, az optimalizációs algoritmusokat és a neurális hálózatokat.
A Python programozás alapjaival kezdve a könyv fokozatosan építkezik a haladóbb témák felé, mint például a mesterséges neurális hálózatok, a konvolúciós neurális hálózatok és a generatív adverzális hálózatok. Minden fejezet tele van világos magyarázatokkal, gyakorlati példákkal és lépésről-lépésre bemutató útmutatókkal, amelyek lehetővé teszik az olvasók számára, hogy mélyen megértsék a gépi tanulás és a mélytanulás alapelveit.
A könyv során az olvasók azt is megtanulják, hogyan használhatják a népszerű Python könyvtárakat és csomagokat, köztük a numpy, pandas, scikit-learn, TensorFlow és Keras könyvtárakat, hogy hatékony gépi tanulási és mélytanulási modelleket építsenek és képezzenek különböző valós alkalmazásokhoz, például regresszió és osztályozás, K-means, támogató vektor gépek és ajánlórendszerek számára.
Akár tapasztalt adattudós, akár kezdő, aki a gépi tanulás világába szeretne belépni, ez a könyv a legmegfelelőbb forrás ezeknek a csúcstechnológiáknak az elsajátításához és a készségeinek a következő szintre emeléséhez. Középiskolai szintű matematikai ismeretekkel és minden szintű (beleértve a kezdő szintű) programozási készséggel jó kezdeni, az összes Python-kód elérhető a Github.com-on.
© Book1 Group - minden jog fenntartva.
Az oldal tartalma sem részben, sem egészben nem másolható és nem használható fel a tulajdonos írásos engedélye nélkül.
Utolsó módosítás időpontja: 2024.11.13 21:05 (GMT)