Cargando…
Praktyczne uczenie nienadzorowane przy użyciu języka Python
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 dany...
| Autor principal: | |
|---|---|
| Formato: | Electrónico eBook |
| Idioma: | Indeterminado |
| Publicado: |
[S.l.] :
APN Promise,
2020.
|
| Acceso en línea: | Texto completo (Requiere registro previo con correo institucional) |
| Sumario: | 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. |
|---|---|
| Notas: | Title from content provider. |
| Descripción Física: | 1 online resource |
| ISBN: | 9788375414264 8375414263 |