Praktyczne uczenie maszynowe w C++: budowanie, trenowanie i wdrażanie kompleksowych potoków uczenia maszynowego i głębokiego uczenia się

Opinie czytelników

Książka oferuje unikalne spojrzenie na implementację uczenia maszynowego w C++, wypełniając istotną lukę w zasobach edukacyjnych dla programistów C++. Zawiera liczne przykłady z życia wzięte, które sprawiają, że uczenie maszynowe w C++ jest zarówno przystępne, jak i praktyczne. Cierpi jednak z powodu problemów organizacyjnych i może nie być odpowiednia dla absolutnie początkujących, szczególnie tych niezaznajomionych z niezbędnymi bibliotekami i koncepcjami.

Zawiera kompletne przykłady wykorzystujące rzeczywiste dane, dzięki czemu materiał można natychmiast zastosować. Wypełnia lukę między zasobami ML w językach C++ i Python. Dobry przegląd koncepcji i algorytmów ML. Odpowiada na potrzeby programistów C++ dzięki praktycznym przykładom kodu i kompatybilności z bibliotekami takimi jak PyTorch. Zapewnia środowisko Docker, ułatwiając konfigurację przykładów.

Słabo zorganizowana bez wyraźnej grupy docelowej. Może przytłaczać początkujących ze względu na brak podstawowych wyjaśnień na temat bibliotek. Nie jest przyjazna dla osób, które nie mają jeszcze doświadczenia z C++. Wymaga Dockera do konfiguracji przykładów, co może stanowić barierę dla niektórych użytkowników. Niektórzy czytelnicy uważają, że brakuje głębi w wyjaśnianiu narzędzi i koncepcji.

(na podstawie 6 opinii czytelników)

Oryginalny tytuł:

Hands-On Machine Learning with C++: Build, train, and deploy end-to-end machine learning and deep learning pipelines

Zawartość książki:

Wdrażanie nadzorowanych i nienadzorowanych algorytmów uczenia maszynowego przy użyciu bibliotek C++, takich jak PyTorch C++ API, Caffe2, Shogun, Shark-ML, mlpack i dlib z pomocą rzeczywistych przykładów i zbiorów danych.

Kluczowe cechy

⬤ Zapoznanie się z przetwarzaniem danych, pomiarem wydajności i wyborem modelu przy użyciu różnych bibliotek C++.

⬤ Wdrożenie praktycznych technik uczenia maszynowego i głębokiego uczenia w celu tworzenia inteligentnych modeli.

⬤ Wdrażanie modeli uczenia maszynowego do pracy na urządzeniach mobilnych i wbudowanych.

Opis książki

C++ może sprawić, że modele uczenia maszynowego będą działać szybciej i wydajniej. Ten poręczny przewodnik pomoże ci nauczyć się podstaw uczenia maszynowego (ML), pokazując, jak korzystać z bibliotek C++, aby jak najlepiej wykorzystać dane. Ta książka sprawia, że uczenie maszynowe z C++ dla początkujących jest łatwe dzięki podejściu opartemu na przykładach, pokazując, jak wdrożyć nadzorowane i nienadzorowane algorytmy ML na rzeczywistych przykładach.

Ta książka pomoże ci w praktycznym dostrojeniu i optymalizacji modelu dla różnych przypadków użycia, pomagając w wyborze modelu i pomiarze wydajności. Omówione zostaną techniki, takie jak rekomendacje produktów, uczenie zespołowe i wykrywanie anomalii przy użyciu nowoczesnych bibliotek C++, takich jak PyTorch C++ API, Caffe2, Shogun, Shark-ML, mlpack i dlib. Następnie zapoznasz się z sieciami neuronowymi i głębokim uczeniem na przykładach takich jak klasyfikacja obrazów i analiza nastrojów, które pomogą ci rozwiązać różne problemy. Później dowiesz się, jak radzić sobie z wyzwaniami związanymi z produkcją i wdrażaniem na platformach mobilnych i chmurowych, a następnie odkryjesz, jak eksportować i importować modele przy użyciu formatu ONNX.

Pod koniec tej książki C++, będziesz miał rzeczywistą wiedzę na temat uczenia maszynowego i C++, a także umiejętności korzystania z C++ do budowania potężnych systemów ML.

Czego się nauczysz

⬤ Dowiedz się, jak ładować i wstępnie przetwarzać różne typy danych do odpowiednich struktur danych C++.

⬤ Stosować kluczowe algorytmy uczenia maszynowego przy użyciu różnych bibliotek C++.

⬤ Zrozumieć podejście do wyszukiwania siatki w celu znalezienia najlepszych parametrów dla modelu uczenia maszynowego.

⬤ Wdrożenie algorytmu filtrowania anomalii w danych użytkownika przy użyciu rozkładu Gaussa.

⬤ Ulepszenie filtrowania kolaboracyjnego w celu radzenia sobie z dynamicznymi preferencjami użytkowników.

⬤ Wykorzystanie bibliotek C++ i interfejsów API do zarządzania strukturami i parametrami modelu.

⬤ Wdrożenie programu C++ do rozwiązywania zadań klasyfikacji obrazów przy użyciu architektury LeNet.

Dla kogo jest ta książka

Ta książka o uczeniu maszynowym w języku C++ będzie przydatna, jeśli chcesz rozpocząć pracę z algorytmami i technikami uczenia maszynowego przy użyciu popularnego języka C++. Oprócz tego, że jest to przydatny pierwszy kurs uczenia maszynowego w języku C++, książka ta spodoba się również analitykom danych, naukowcom zajmującym się danymi i programistom uczenia maszynowego, którzy chcą wdrożyć różne modele uczenia maszynowego w produkcji przy użyciu różnych zestawów danych i przykładów. Aby rozpocząć pracę z tą książką, wymagana jest praktyczna znajomość języka programowania C++.