Tworzenie modeli uczenia maszynowego i głębokiego uczenia na Google Cloud Platform: Kompleksowy przewodnik dla początkujących

Opinie czytelników

Obecnie brak opinii czytelników. Ocena opiera się na 10 głosach.

Oryginalny tytuł:

Building Machine Learning and Deep Learning Models on Google Cloud Platform: A Comprehensive Guide for Beginners

Zawartość książki:

Zapoznaj się z systematycznym podejściem do zrozumienia podstaw uczenia maszynowego i głębokiego uczenia od podstaw oraz ich zastosowania w praktyce. Dzięki temu kompleksowemu przewodnikowi będziesz mógł budować i wdrażać modele uczenia się w celu rozwiązywania złożonych przypadków użycia, jednocześnie wykorzystując zasoby obliczeniowe Google Cloud Platform.

Autor Ekaba Bisong pokazuje, w jaki sposób narzędzia i techniki uczenia maszynowego są wykorzystywane do przewidywania lub klasyfikowania zdarzeń w oparciu o zestaw interakcji między zmiennymi znanymi jako cechy lub atrybuty w określonym zbiorze danych. Uczy, w jaki sposób głębokie uczenie rozszerza algorytm uczenia maszynowego sieci neuronowych w celu uczenia się złożonych zadań, które są trudne do wykonania przez komputery, takich jak rozpoznawanie twarzy i rozumienie języków. Dowiesz się też, jak wykorzystać chmurę obliczeniową do przyspieszenia wdrożeń nauki o danych i uczenia maszynowego.

Building Machine Learning and Deep Learning Models on Google Cloud Platform jest podzielony na osiem części, które obejmują podstawy uczenia maszynowego i uczenia głębokiego, koncepcję nauki o danych i usług w chmurze, programowanie do nauki o danych przy użyciu stosu Python, infrastrukturę i produkty Google Cloud Platform (GCP), zaawansowaną analitykę na GCP oraz wdrażanie kompleksowych potoków rozwiązań uczenia maszynowego na GCP.

Czego się nauczysz

⬤ Zrozumieć zasady i podstawy uczenia maszynowego i głębokiego uczenia, algorytmy, jak z nich korzystać, kiedy ich używać i jak interpretować wyniki.

⬤ Znać koncepcje programowania istotne dla projektowania i rozwoju uczenia maszynowego i głębokiego uczenia się przy użyciu stosu Python.

⬤ Budować i interpretować modele uczenia maszynowego i głębokiego.

⬤ Korzystać z narzędzi i usług Google Cloud Platform w celu opracowywania i wdrażania produktów uczenia maszynowego i głębokiego uczenia na dużą skalę.

⬤ Być świadomym różnych aspektów i wyborów projektowych, które należy wziąć pod uwagę podczas modelowania problemu uczenia się.

⬤ Produkcja modeli uczenia maszynowego w oprogramowanie.

Dla kogo jest ta książka

Początkujący praktycy nauki o danych i stosowanego uczenia maszynowego, naukowcy zajmujący się danymi na wszystkich poziomach, inżynierowie uczenia maszynowego, inżynierowie/architekci danych Google Cloud Platform i programiści.