UWAGA NA BLACK WEEKS! Kod rabatowy "EDUKAMP" - obniży wartość koszyka o 5% Darmowa wysyłka od 99zł Naklejka z imieniem dziecka i prawo jazdy gratis
Brak towaru

Praktyczne uczenie nienadzorowane przy użyciu języ

Symbol: 9788375414264
Dostępność: 0 szt.
83.78
79.59 cena z kodem: EDUKAMP
szt.
Zamówienia telefoniczne: 501-031-535 Zostaw telefon
Wysyłka w ciągu: 24-48 h od zakupu
Cena przesyłki:
8.49
  • Odbiór osobisty Kraków ul. Ofiar Dąbia 4 0
  • Odbiór osobisty Kraków ul. Ofiar Dąbia 4 0
  • Orlen paczka 8.49
  • Paczkomaty 24/7 9.99
  • Kurier DPD 12.9
  • Paczkomaty 24/7 (POBRANIE) 14.99
  • Kurier DPD (POBRANIE) 14.99
  • Kurier DHL 18
  • Kurier DHL (POBRANIE) 21
EAN:
9788375414264
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.
Parametry:
Wydawnictwo:
APN PROMISE
Autor:
Ankur A. Patel
Rok wydania:
2020
Oprawa:
broszurowa
Stron:
362
Format:
17x23 cm

Informacje dotyczące bezpieczeństwa

Do użytku pod bezpośrednim nadzorem osoby dorosłej, Konieczność stosowania środków ochronnych. Nie używać w ruchu ulicznym, Nie nadaje się dla dzieci poniżej określonego wieku. Do używania pod nadzorem osoby dorosłej, Ta zabawka nie zapewnia ochrony, Zawiera zabawkę. Zalecany nadzór osoby dorosłej

Dane producenta

ATENEUM M. KOGUT, A. ZEGIEL SPÓŁKA KOMANDYTOWA
ul. Półłanki 12C
30-740 Kraków
Poland

730260740 CerCE|Zgodne z EN-71
[email protected]

Nie ma jeszcze komentarzy ani ocen dla tego produktu.
Zadaj pytanie
Podpis:
E-mail:
Zadaj pytanie: