-
Koszyk jest pusty
-
x
Do bezpłatnej dostawy brakuje
-,--
Darmowa dostawa!
Suma
0,00 zł
Cena uwzględnia rabaty
0,00 zł
0
-
Koszyk jest pusty
-
x
Do bezpłatnej dostawy brakuje
-,--
Darmowa dostawa!
Suma
0,00 zł
Cena uwzględnia rabaty
-
-
-
Koszyk jest pusty
-
x
Do bezpłatnej dostawy brakuje -,--Darmowa dostawa!Suma 0,00 złCena uwzględnia rabaty -
-
Praktyczne uczenie nienadzorowane przy użyciu języ
Symbol:
9788375414264
78.86
| Czas obsługi zamówienia | 48 godzin |
| Cena przesyłki | 14.99 |
| Dostępność |
|
| Kod kreskowy | |
| EAN | 9788375414264 |
Czas przewozu 24 godziny
| Zostaw telefon |
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.
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.
Autor:
Ankur A. Patel
Wydawnictwo:
APN PROMISE
Format:
17x23 cm
Rok wydania:
2020
Oprawa:
broszurowa
Stron:
362
Informacje dotyczące bezpieczeństwa
Uważać na małe elementy.
Produkty dla dzieci powinny być użytkowane pod nadzorem dorosłego.
Stosować się do instrukcji producenta.
Przestrzegać ogólnych zasad bezpieczeństwa.
Nie ma jeszcze komentarzy ani ocen dla tego produktu.
- Rodzaje dostawy i formy płatności
Oferujemy możliwość wpłaty na konto bankowe lub skorzystanie z bezpiecznych płatności on-line AutoPay:
Przesyłkę dostarczy firma kurierska lub odbierzesz ją w paczkomacie lub paczkopunkcie firmy InPost
Przesyłkę dostarczy firma kurierska lub odbierzesz ją w paczkomacie lub paczkopunkcie firmy InPost
- Producenci
Sklep internetowy na oprogramowaniu Sky-Shop.pl
