Używamy cookies, aby ułatwić korzystanie z Portalu. Możesz określić warunki przechowywania, dostępu do plików cookies w Twojej przeglądarce. Dowiedz się więcej.
strona główna Strona główna | Nowości | Promocje | Zapowiedzi Twoje konto | Zarejestruj | Schowek | Kontakt | Pomoc
mapa działów
Szukaj: szukanie zaawansowane
Koszyk
Książki \ Programowanie \ C#

Uczenie maszynowe w C#. Szybkie, sprytne i solidne aplikacje Język: 1

978-83-283-5233-9

Cena Brutto: 49.00

Cena netto: 46.67

Ilość:
Wersja: Drukowana
Autor Matt R. Cole
Liczba_stron 216
Wydawnictwo Helion
Oprawa miękka
Data_Wydania 2019-06-11
Uczenie maszynowe w C#. Szybkie, sprytne i solidne aplikacje

Uczenie maszynowe weszło już do kanonu technologii informatycznych. Praktyczne umiejętności w tej dziedzinie powinien posiadać każdy programista i analityk. Standardowo do rozwiązań związanych z machine learning stosuje się Pythona i opracowane dla niego biblioteki, niemniej równie skutecznie można do tego celu używać innych języków programowania. Trzeba jedynie dobrze zaznajomić się z wdrożeniami algorytmów uczenia maszynowego. Niezwykle ciekawym rozwiązaniem jest pisanie takich implementacji w C#. Przemawiają za tym nie tylko zalety samego języka, ale i to, że większość aplikacji dla profesjonalistów jest pisana w C# przy użyciu takich narzędzi jak Visual Studio, SQL Server, Unity czy Microsoft Azure.


Ta książka jest przeznaczona dla doświadczonych programistów C#, którzy chcą nauczyć się technik machine learning, deep learning i sztucznej inteligencji. Opisano tu dostępne narzędzia do uczenia maszynowego, dzięki którym można łatwo budować inteligentne aplikacje .NET wykorzystujące takie rozwiązania jak wykrywanie obrazów lub ruchu, wnioskowanie bayesowskie, głębokie uczenie i głęboka wiara. Omówiono zasady implementacji algorytmów uczenia nadzorowanego i nienadzorowanego oraz ich zastosowanie w budowie modeli predykcji. Przedstawiono różne techniki, od prostej regresji liniowej, przez drzewa decyzyjne i SVM, po zaawansowane rozwiązania, takie jak sztuczne sieci neuronowe, autoenkodery lub uczenie ze wzmocnieniem.

Najciekawsze zagadnienia przedstawione w książce:

  • podstawy uczenia maszynowego
  • wykorzystywanie logiki rozmytej
  • mapy samoorganizujące się
  • framework Kelp.Net i jego integracja z systemem ReflectInsight
  • realia obliczeń kwantowych

O autorze 11

O recenzencie 12

Wstęp 9

Rozdział 1. Podstawy uczenia maszynowego 13

  • Wprowadzenie do uczenia maszynowego 14
  • Wydobywanie danych 18
  • Sztuczna inteligencja 18
  • Bio-SI 18
  • Uczenie głębokie 19
  • Probabilistyka i statystyka 19
  • Rozpoczynanie projektu uczenia maszynowego 20
    • Zbieranie danych 20
    • Przygotowanie danych 20
    • Wybranie modelu i trening 21
    • Ocena modelu 22
    • Poprawianie modelu 22
  • Zbiór danych o irysach 22
    • Rodzaje uczenia maszynowego 24
  • Uczenie nadzorowane 25
    • Kompromis odchylenie - wariancja 25
    • Ilość danych treningowych 26
    • Wymiarowość przestrzeni wejścia 27
    • Nieprawidłowe wartości wyjścia 27
    • Heterogeniczność danych 27
  • Uczenie nienadzorowane 28
  • Uczenie ze wzmocnieniem 29
  • Lepiej kupić, zbudować czy skorzystać z otwartych źródeł? 29
  • Dodatkowa lektura 30
  • Podsumowanie 31
  • Odwołania 31

Rozdział 2. ReflectInsight - monitorowanie w czasie rzeczywistym 33

  • Router 34
  • Przeglądarka protokołu 35
  • Przeglądarka na żywo 35
    • Nawigacja w komunikatach 35
    • Przeszukiwanie komunikatów 38
    • Formatowanie czasu i daty 38
    • Automatyczne zapisywanie i czyszczenie 39
    • SDK 43
    • Edytor konfiguracji 43
  • Podsumowanie 45

Rozdział 3. Wnioskowanie Bayesa - rozwiązywanie zagadki ucieczki z miejsca wypadku i analizowanie danych 47

  • Twierdzenie Bayesa 48
  • Naiwny klasyfikator bayesowski i rysowanie danych 54
    • Rysowanie danych 55
  • Podsumowanie 61
  • Odwołania 63

Rozdział 4. Ryzyko i nagroda - uczenie ze wzmocnieniem 65

  • Uczenie ze wzmocnieniem 65
  • Rodzaje uczenia 68
  • Q-uczenie 68
  • SARSA 69
  • Uruchamianie aplikacji 69
  • Wieże Hanoi 74
  • Podsumowanie 80
  • Odwołania 81

Rozdział 5. Logika rozmyta - nawigowanie na torze przeszkód 83

  • Logika rozmyta 84
  • Pojazd kierowany automatycznie 86
  • Podsumowanie 95
  • Odwołania 95

Rozdział 6. Łączenie kolorów - mapy samoorganizujące i elastyczne sieci neuronowe 97

  • Zrozumieć istotę sieci samoorganizującej 98
  • Podsumowanie 112

Rozdział 7. Wykrywanie twarzy i ruchu - filtrowanie obrazów 113

  • Wykrywanie twarzy 114
  • Wykrywanie ruchu 122
    • Dodawanie funkcji wykrywania ruchu do swojej aplikacji 125
  • Podsumowanie 127

Rozdział 8. Encyklopedia i neurony - problem komiwojażera 129

  • Problem komiwojażera 129
  • Parametr współczynnika uczenia 147
  • Promień uczenia 148
  • Podsumowanie 148

Rozdział 9. Mam przyjąć tę pracę? - drzewa decyzji w akcji 149

  • Drzewo decyzyjne 150
    • Węzeł decyzyjny 151
    • Zmienna decyzyjna 151
    • Kolekcja węzłów gałęzi decyzyjnej 151
  • Mam przyjąć tę pracę? 152
  • numl 154
  • Drzewa decyzyjne w Accord.NET 155
    • Kod uczący 156
    • Tablica pomyłek 158
    • Wizualizacja typu błędu 159
  • Podsumowanie 161
  • Odwołania 161

Rozdział 10. Głęboka wiara - głębokie sieci i sny 163

  • Ograniczone maszyny Boltzmanna 163
  • Warstwy 166
  • O czym śni komputer? 171
  • Podsumowanie 175
  • Odwołania 175

Rozdział 11. Mikrotesty porównawcze i funkcje aktywacji 177

  • Rysowanie funkcji aktywacji 178
  • Rysowanie wszystkich funkcji aktywacji 180
  • Główna funkcja rysująca 181
  • Testy porównawcze 182
  • Podsumowanie 186

Rozdział 12. Intuicyjne uczenie głębokie w C# i .NET 187

  • Czym jest uczenie głębokie? 188
    • OpenCL 189
    • Hierarchia OpenCL 189
  • Framework Kelp.Net 192
    • Funkcje 192
    • Stosy funkcji 192
    • Słowniki funkcji 194
    • Caffe 194
    • Strata 195
    • Optymalizacje 195
    • Zbiory danych 196
    • Testy 198
    • Monitorowanie w Kelp.Net 199
    • Weaver 200
    • Tworzenie testów 202
    • Testy porównawcze funkcji 203
    • Uruchamianie testu porównawczego 203
  • Podsumowanie 206
  • Odwołania 206

Rozdział 13. Obliczenia kwantowe - spojrzenie w przyszłość 207

  • Superpozycja 209
  • Teleportacja 209
    • Splątanie 209
  • Podsumowanie 213

Skorowidz 214

powrót
 
Produkty Podobne
Uczenie maszynowe w C#. Szybkie, sprytne i solidne aplikacje
C# 7 i .NET Core 2.0. Programowanie wielowątkowych i współbieżnych aplikacji
Struktury danych i algorytmy w języku C#. Projektowanie efektywnych aplikacji
Agile. Programowanie zwinne: zasady, wzorce i praktyki zwinnego wytwarzania oprogramowania w C#
Projektowanie gier przy użyciu środowiska Unity i języka C#. Od pomysłu do gotowej gry. Wydanie II
C# 7.1 i .NET Core 2.0 dla programistów aplikacji wieloplatformowych
Visual Studio 2017. Tworzenie aplikacji Windows w języku C#
Bardziej efektywny C#. 50 sposobów ulepszenia języka C#
Język C# w 7 dni. Solidne podstawy programowania obiektowego
Microsoft Visual C# 2017 Krok po kroku
Więcej produktów