Przejdź do głównej treści

Infolinia 690 590 426 ❕ Darmowa dostawa od 220 zł ❕ Promocje do -40%

Darmowa dostawa od 220 zł 
Ulubione
Produkty w koszyku: 0. Zobacz szczegóły
Przejdź do sekcji Opinie

Praktyczne uczenie nienadzorowane przy użyciu języ

APN PROMISE

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.

Przejdź do pełnego opisu
Cena 79,80 zł
szt.
Zapytaj o produkt
Czas wysyłki: 3 dni
Udostępnij
Dostawa od 9,00 zł - DHL Punkt Odbioru

Opis produktu

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.


EAN: 9788375414264