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 \ Python

Zaawansowane uczenie maszynowe z językiem Python Język: 1

978-83-283-3607-0

Cena Brutto: 57.00

Cena netto: 54.29

Ilość:
Wersja: Drukowana
Autor John Hearty
Liczba_stron 248
Wydawnictwo Helion
Oprawa miękka
Data_Wydania 2017-10-13

Zaawansowane uczenie maszynowe z językiem

Python



Uczenie maszynowe przyczyniło się do powstania wielu innowacyjnych technologii. Pojazdy autonomiczne, mechanizmy rozpoznawania obrazów, badania genetyczne, a także dynamiczne dostosowywanie prezentowanych treści do preferencji odbiorcy to tylko niektóre przykłady. Możliwości związane z rozwojem tych technik sprawiają, że analityka danych i zaawansowane uczenie maszynowe stają się wyjątkowo cenną wiedzą. Dotyczy to szczególnie nowatorskich technik analizy danych, takich jak głębokie uczenie, algorytmy częściowo nadzorowane i metody zespołowe.


Niniejsza książka jest przystępnie napisanym podręcznikiem, dzięki któremu poznasz niektóre zaawansowane techniki uczenia maszynowego. Szczególną uwagę poświęcono tu algorytmom uczenia maszynowego: zostały dokładnie wyjaśnione, opisano ich zastosowanie oraz topologię, metody uczenia i miary wydajności. Każdy rozdział uzupełniono o wykaz źródeł, pomocny w dalszym zgłębianiu tematu. Dodatkowo przedstawiono wiele cennych wskazówek dotyczących specyfiki pracy analityka danych. Do prezentacji przykładów wybrano język Python z uwagi na jego wszechstronność, elastyczność, prostotę oraz możliwość stosowania do specjalistycznych zadań.

Najważniejsze zagadnienia przedstawione w książce:

  • identyfikacja struktur i wzorców w zbiorach danych
  • stosowanie sieci neuronowych
  • praca z językiem naturalnym
  • modele zespołowe i poprawa ich elastyczności
  • narzędzia uczenia maszynowego w Pythonie

    O autorze (9)

    O korektorach merytorycznych (11)

    Wstęp (13)

    Rozdział 1. Nienadzorowane uczenie maszynowe (19)

    • Analiza głównych składowych (PCA) (20)
      • Podstawy analizy głównych składowych (20)
      • Stosowanie algorytmu analizy głównych składowych (21)
    • Wprowadzenie grupowania metodą k-średnich (24)
      • Grupowanie - wprowadzenie (24)
      • Rozpoczynamy grupowanie (25)
      • Dostrajanie konfiguracji klastrów (29)
    • Sieci Kohonena (34)
      • Sieci Kohonena - wprowadzenie (34)
      • Korzystanie z sieci Kohonena (35)
    • Dalsza lektura (38)
    • Podsumowanie (39)

    Rozdział 2. Sieci DBN (41)

    • Sieci neuronowe - wprowadzenie (42)
      • Budowa sieci neuronowej (42)
      • Topologie sieci (43)
    • Ograniczona maszyna Boltzmanna (45)
      • Ograniczone maszyny Boltzmanna - wstęp (46)
      • Zastosowania ograniczonych maszyn Boltzmanna (49)
      • Dalsze zastosowania ograniczonej maszyny Boltzmanna (58)
    • Sieci głębokie (59)
      • Trenowanie sieci DBN (59)
      • Stosowanie sieci DBN (60)
      • Walidacja sieci DBN (63)
    • Dalsza lektura (64)
    • Podsumowanie (64)

    Rozdział 3. Stosy autoenkoderów odszumiających (67)

    • Autoenkodery (67)
      • Autoenkodery - wprowadzenie (68)
      • Odszumianie autoenkoderów (70)
      • Korzystanie z autoenkodera odszumiającego (72)
    • Stosy autoenkoderów odszumiających (75)
      • Korzystanie ze stosu autoenkoderów odszumiających (76)
      • Ocena wydajności stosu autoenkoderów odszumiających (82)
    • Dalsza lektura (83)
    • Podsumowanie (83)

    Rozdział 4. Konwolucyjne sieci neuronowe (85)

    • Konwolucyjne sieci neuronowe - wprowadzenie (85)
      • Topologia sieci konwolucyjnej (86)
      • Korzystanie z konwolucyjnych sieci neuronowych (98)
    • Dalsza lektura (104)
    • Podsumowanie (105)

    Rozdział 5. Częściowo nadzorowane uczenie maszynowe (107)

    • Wstęp (107)
    • Czym jest uczenie częściowo nadzorowane? (108)
    • Działanie algorytmów uczenia częściowo nadzorowanego (109)
      • Samodzielne uczenie się (109)
      • Kontrastywna pesymistyczna estymacja prawdopodobieństwa (119)
    • Dalsza lektura (128)
    • Podsumowanie (129)

    Rozdział 6. Rozpoznawanie języka naturalnego i selekcja cech (131)

    • Wstęp (131)
    • Selekcja cech danych tekstowych (133)
      • Czyszczenie danych tekstowych (133)
      • Tworzenie cech na podstawie danych tekstowych (141)
      • Testowanie przygotowanych danych (146)
    • Dalsza lektura (152)
    • Podsumowanie (153)

    Rozdział 7. Selekcja cech - część II (155)

    • Wstęp (155)
    • Tworzenie zestawu cech (156)
      • Selekcja cech pod kątem uczenia maszynowego (156)
      • Korzystanie z technik selekcji cech (164)
    • Inżynieria cech w praktyce (172)
      • Pobieranie danych za pomocą interfejsów REST (173)
    • Dalsza lektura (192)
    • Podsumowanie (193)

    Rozdział 8. Metody zespołowe (195)

    • Wprowadzenie do metod zespołowych (196)
      • Metody uśredniające (197)
      • Stosowanie metod wzmacniania (201)
      • Stosowanie metod kontaminacji (207)
    • Wykorzystanie modeli w zastosowaniach dynamicznych (212)
      • Czym jest elastyczność modeli? (213)
      • Strategie zarządzania elastycznością modelu (220)
    • Dalsza lektura (223)
    • Podsumowanie (224)

    Rozdział 9. Dodatkowe narzędzia uczenia maszynowego w języku Python (225)

    • Alternatywne narzędzia programowe (226)
      • Biblioteka Lasagne - wprowadzenie (226)
      • Biblioteka TensorFlow - wprowadzenie (228)
      • Kiedy warto korzystać z tych bibliotek? (232)
    • Dalsza lektura (235)
    • Podsumowanie (235)

    Dodatek A. Wymagania przykładowych skryptów (237)

    Skorowidz (239)

powrót
 
Produkty Podobne
Python for Programmers
Python. Kurs dla nauczycieli i studentów
Python. Szybko i prosto. Wydanie III
Python. Programowanie funkcyjne
Python. Uczenie maszynowe. Wydanie II
Deep Learning. Praca z językiem Python i biblioteką Keras
Uczenie maszynowe w Pythonie. Receptury
Python dla zupełnie początkujących. Owoce programowania. Wydanie IV
Python. Zacznij programować!
Data science od podstaw. Analiza danych w Pythonie
Więcej produktów