Python и машинное обучение. Машинное и глубокое обучение с использованием Python, scikit-learn и TensorFlow (1776435)

Машинное обучение поглощает мир программного обеспечения. Освойте и работайте с передовыми технологиями машинного обучения, нейронных сетей и глубокого обучения с помощью 2-го издания бестселлера Себастьяна Рашки.Будучи основательно обновленной с учетом самых последних технологий с открытым кодом, включая такие библиотеки, как scikit-learn, Keras и TensorFlow, эта книга предлагает практические знания и приемы, которые необходимы для создания эффективных приложений машинного и глубокого обучения на языке Python. Обладающие уникальной проницательностью и знанием дела авторы книги, Себастьян Рашка и Вахид Мирджалили, ознакомят вас с алгоритмами машинного обучения и глубокого обучения и постепенно подведут к сложным темам в анализе данных. В книге предлагается сочетание теоретических принципов машинного обучения с практическим подходом к написанию кода для полного понимания теории машинного обучения и реализация с помощью Python.Основные темы книгиОсвойте основные фреймворки в науке о данных, машинном обучении и глубоком обученииЗадайте новые вопросы своим данным через модели машинного обучения и нейронные сетиИспользуйте всю мощь самых последних библиотек Python с открытым кодом для машинного обученияНаучитесь строить реализации глубоких нейронных сетей с применением библиотеки TensorFlowВстраивайте модели машинного обучения в доступные веб-приложенияПрогнозируйте непрерывные целевые результаты с применением регрессионного анализаРаскройте скрытые шаблоны и структуры в данных с помощью кластеризацииАнализируйте изображения с использованием приемов глубокого обученияУглубитесь в текстовые данные и данные из социальных сетей с применением смыслового анализаЕсли вы читали 1-е издание книги, то вам доставит удовольствие найти новый баланс классических идей и современных знаний в машинном обучении.Каждая глава была серьезно обновлена, и появились новые главы по ключевым технологиям. У вас будет возможность изучить и поработать с TensorFlow более вдумчиво, нежели ранее, а также получить важнейший охват библиотеки для нейр