Hands-On Unsupervised Learning Using Python: How to Build Applied Machine Learning Solutions from Unlabeled Data

Olvasói vélemények

A könyv vegyes kritikákat kap az olvasóktól, sokan dicsérik a felügyelet nélküli tanulás gyakorlatias és gyakorlatias megközelítését, míg mások kritizálják a könyv mélységét, technikai minőségét és számos hibáját. A kezdők számára jó kiindulópontnak tartják, de hiányolják azok számára, akik mélyreható ismereteket vagy haladó technikákat keresnek.

Gyakorlati megközelítés valós alkalmazásokkal.

Jó a kezdő és középhaladó tanulók számára, mivel világos kódpéldákat és magyarázatokat nyújt.

(34 olvasói vélemény alapján)

Könyv tartalma:

Sok iparági szakértő a felügyelet nélküli tanulást tartja a mesterséges intelligencia következő határterületének, amely az általános mesterséges intelligencia kulcsa lehet. Mivel a világ adatainak többsége címkézetlen, a hagyományos felügyelt tanulás nem alkalmazható. A felügyelet nélküli tanulás viszont címkézetlen adathalmazokra alkalmazható, hogy az adatok mélyén rejlő értelmes mintákat fedezzen fel, olyan mintákat, amelyeket az embereknek szinte lehetetlen lenne felfedezni.

A szerző, Ankur Patel két egyszerű, gyártásra kész Python keretrendszer segítségével mutatja be, hogyan alkalmazza a felügyelet nélküli tanulást: Scikit-learn és TensorFlow a Keras segítségével. Kódok és gyakorlati példák segítségével az adattudósok azonosítani fogják a nehezen megtalálható mintákat az adatokban, és mélyebb üzleti betekintést nyerhetnek, felismerhetik az anomáliákat, automatikus funkciótervezést és -kiválasztást végezhetnek, valamint szintetikus adatkészleteket hozhatnak létre. A kezdéshez mindössze programozásra és némi gépi tanulási tapasztalatra van szükséged.

⬤ Hasonlítsa össze a különböző gépi tanulási megközelítések erősségeit és gyengeségeit: felügyelt, felügyelet nélküli és megerősítő tanulás.

⬤ Masinatanulási projektek végponttól végpontig történő beállítása és kezelése.

⬤ Elkészítsen egy anomália-felismerő rendszert a hitelkártyacsalások felderítésére.

⬤ A felhasználókat különálló és homogén csoportokba sorolja.

⬤ Félig felügyelt tanulást végez.

⬤ Filmajánló rendszerek fejlesztése korlátozott Boltzmann-gépek segítségével.

⬤ Szintetikus képek előállítása generatív adverzális hálózatok segítségével.