Olvasói vélemények
Jelenleg nincsenek olvasói vélemények. Az értékelés 14 olvasói szavazat alapján történt.
Eredeti címe:
Python Advanced Guide to Artificial Intelligence: Advanced Guide to Artificial Intelligence: Expert machine learning systems and intelligent agents us
Könyv tartalma:
A gépi tanulási technikák összetettségének megismerése és a problémák megoldására szolgáló, fejlődő, okos megoldások létrehozása
Főbb jellemzők:
⬤ Mesterelje meg a felügyelt, felügyelet nélküli és félig felügyelt ML algoritmusokat és azok megvalósítását.
⬤ Építsen mély tanulási modelleket objektumfelismeréshez, képosztályozáshoz, hasonlóságtanuláshoz és még sok máshoz.
⬤ Építsen, telepítsen és skálázzon végponttól végpontig mély neurális hálózati modelleket termelési környezetben.
A könyv leírása:
Ez a tanulási útvonal a teljes útmutató a népszerű gépi tanulási algoritmusok gyors elsajátításához. Megismerkedhet a felügyelt, a felügyelet nélküli és a félig felügyelt gépi tanulás leggyakrabban használt algoritmusaival, és megtanulhatja, hogyan használhatja őket a lehető legjobban. A Bayes-modellektől kezdve az MCMC algoritmuson át a rejtett Markov-modellekig ez a tanulási útvonal megtanítja, hogyan vonjon ki jellemzőket az adatállományból, és hogyan végezzen dimenziócsökkentést Python-alapú könyvtárak felhasználásával.
A TensorFlow és a Keras használatát mély tanulási modellek építéséhez fogod elsajátítani, olyan fogalmak felhasználásával, mint a transzfer tanulás, a generatív adverzális hálózatok és a mély megerősítő tanulás. Ezután megismerkedsz a TensorFlow1. x fejlett funkcióival, például az elosztott TensorFlow-val a TF fürtökkel, a TensorFlow Serving segítségével történő termelési modellek telepítése. Különböző objektumosztályozással, objektumdetektálással, képszegmentálással kapcsolatos technikákat fog megvalósítani.
A Tanösvény végére mélyreható ismeretekre tesz szert a TensorFlow-ról, így Önt a mesterséges intelligencia problémák megoldásának elsőszámú szakértőjévé teszi.
Ez a tanulási útvonal a következő Packt termékek tartalmát tartalmazza:
- Mastering Machine Learning Algorithms by Giuseppe Bonaccorso.
- Mastering TensorFlow 1. x by Armando Fandango.
- Deep Learning for Computer Vision by Rajalingappaa Shanmugamani.
Mit fogsz tanulni:
⬤ Tudja meg, hogyan lehet egy ML modellt betanítani, optimalizálni és kiértékelni.
⬤ Munkálkodjon autoencodereivel és generatív adverzális hálózatokkal.
⬤ Feltárja a legfontosabb megerősítő tanulási technikákat.
⬤ Építsünk végponttól végpontig tartó mélytanulási (CNN, RNN és Autoencoders) modelleket.
Kinek szól ez a könyv:
Ez a tanulási útvonal olyan adattudósoknak, gépi tanulási mérnököknek, mesterséges intelligencia mérnököknek szól, akik szeretnének elmélyedni az összetett gépi tanulási algoritmusokban, kalibrálni a modelleket, és javítani a betanított modell előrejelzéseit.
A mélytanulás és a mesterséges intelligencia fejlett bonyolultságaival és összetett felhasználási eseteivel fogsz találkozni. Alapvető Python programozási ismeretekre és a gépi tanulás fogalmainak némi megértésére van szükség ahhoz, hogy a lehető legtöbbet hozza ki ebből a tanulási útvonalból.
