Through a series of recent breakthroughs, deep learning has boosted the entire field of machine learning. Now, even programmers who know close to nothing about this technology can use simple, efficient tools to implement programs capable of learning from data. This practical book shows you how. By using concrete examples, minimal theory, and two production-ready Python frameworks—scikit-learn and TensorFlow—author Aur�lien G�ron helps you gain an intuitive understanding of the concepts and tools for building intelligent systems. You’ll learn a range of techniques, starting with simple linear regression and progressing to deep neural networks. With exercises in each chapter to help you apply what you’ve learned, all you need is programming experience to get started. Explore the machine learning landscape, particularly neural nets Use scikit-learn to track an example machine-learning project end-to-end Explore several training models, including support vector machines, decision trees, random forests, and ensemble methods Use the TensorFlow library to build and train neural nets Dive into neural net architectures, including convolutional nets, recurrent nets, and deep reinforcement learning Learn techniques for training and scaling deep neural nets Apply practical code examples without acquiring excessive machine learning theory or algorithm details
Aurélien Géron Libri
W 2006 roku świat nauki odkrył potencjał głębokich sieci neuronowych, co doprowadziło do rozwoju techniki uczenia głębokiego. Choć wymagało to ogromnej mocy obliczeniowej i dużych zbiorów danych, efekty były imponujące. W kolejnych latach technologia ta zyskała na znaczeniu w różnych dziedzinach, prowadząc do powstania zaawansowanych produktów. Obecnie prace nad nowymi zastosowaniami sieci głębokich trwają, a ich wpływ na nasze życie będzie coraz większy. To drugie wydanie bestsellerowego przewodnika po technikach uczenia maszynowego jest dostępne dla osób z minimalnymi umiejętnościami programistycznymi. Książka koncentruje się na praktycznych aspektach, oferując liczne przykłady i ćwiczenia, a teoria jest ograniczona do niezbędnego minimum. Zawiera gotowe rozwiązania oraz zasady pracy z narzędziami, w tym TensorFlow 2. Dzięki temu czytelnicy szybko przyswoją kluczowe pojęcia i narzędzia do tworzenia inteligentnych systemów. W książce znajdziesz informacje o podstawach uczenia maszynowego, technikach wykrywania obiektów, segmentacji semantycznej, interfejsie Keras, wdrażaniu modeli TensorFlow oraz technikach uczenia nienadzorowanego. To doskonałe źródło wiedzy o zaawansowanych technologiach sztucznej inteligencji!