![[{[item.product.name]}]]([{[item.product.photo.url]}] 75w)
Koszyk jest pusty
Do bezpłatnej dostawy brakuje
-,--
Darmowa dostawa!
Suma
0,00 zł
Cena uwzględnia rabaty
UWAGA NA BLACK WEEKS! Kod rabatowy "EDUKAMP" - obniży wartość koszyka o 5% Darmowa wysyłka od 99zł Naklejka z imieniem dziecka i prawo jazdy gratis
Praktyczne uczenie nienadzorowane przy użyciu języ
Symbol:
9788375414264
Dostępność:
2
szt.
![]()
83.78
79.59
cena z kodem:
EDUKAMP
Zamówienia telefoniczne: 501-031-535 Zostaw telefon
Wysyłka w ciągu:
24-48 h od zakupu
Cena przesyłki:
8.49
EAN:
9788375414264
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.
Wydawnictwo:
APN PROMISE
Autor:
Ankur A. Patel
Rok wydania:
2020
Oprawa:
broszurowa
Stron:
362
Format:
17x23 cm
80.31
47.91
70.15
