Praktyczne uczenie nienadzorowane przy użyciu języ

(0)

Praktyczne uczenie nienadzorowane przy użyciu języ

Name: Praktyczne uczenie nienadzorowane przy użyciu języ
Brand: Ateneum
SKU: 9788375414264
Price: 62.13 CZK
Availability: InStock

The Symbol : 9788375414264

The Availability Of : 4 opak

Price: 62.13

opak

Orders by phone: 501-031-535 Leave your phone

Shipping within : Right away

Shipping price :

The Lack Of

EAN :

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 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.

Parameters :

Wydawnictwo:

APN PROMISE

Autor:

Ankur A. Patel

Rok wydania:

2020

Oprawa:

broszurowa

Stron:

362

Format:

17x23 cm

Safety Information

For use under direct adult supervision, Need to use protective measures. Do not use in traffic, Not suitable for children under the specified age. For use under adult supervision, This toy does not offer protection, Includes a toy. Adult supervision recommended

It has the CE mark confirming compliance with the requirements of the European Union directive for this type of device.

CE Declaration of Conformity | Complies with EN-71 - Safety of toys

For children over 3 years of age

It has the CE mark confirming compliance with the requirements of the European Union directive - Compliant with the EN-71 standard - Safety of toys