Uczenie maszynowe z Tensorflow

Ocena:   (4,4 na 5)

Uczenie maszynowe z Tensorflow (Nishant Shukla)

Opinie czytelników

Podsumowanie:

Książka jest ceniona za praktyczne podejście do uczenia maszynowego i TensorFlow, z jasnymi wyjaśnieniami i dobrze skomentowanym kodem. Wielu recenzentów poleca ją jako przydatne źródło informacji dla początkujących w tej dziedzinie. Została ona jednak skrytykowana za zbytnie uproszczenia, brak podstaw matematycznych i nieaktualne przykłady, które nie działają z najnowszymi wersjami TensorFlow. Niektórzy użytkownicy stwierdzili, że tekst jest chaotyczny i uważają, że lepsze informacje można znaleźć w Internecie.

Zalety:

Praktyczne wprowadzenie
dobrze zorganizowane
jasne wyjaśnienia
świetne przykłady z kodem z adnotacjami
odpowiednie dla początkujących
przyziemny styl nauczania
dobre do łączenia istniejącej wiedzy.

Wady:

Zbyt podstawowe dla doświadczonych użytkowników
brak matematycznego rygoru
przestarzałe i zepsute przykłady
niektórzy uważają, że tekst jest słaby i okrężny
druga połowa skupia się zbytnio na prostszych tematach zamiast na specyfice TensorFlow.

(na podstawie 22 opinii czytelników)

Oryginalny tytuł:

Machine Learning with Tensorflow

Zawartość książki:

Podsumowanie

Machine Learning with TensorFlow daje czytelnikom solidne podstawy koncepcji uczenia maszynowego oraz praktyczne doświadczenie w kodowaniu TensorFlow w Pythonie.

Zakup książki drukowanej obejmuje bezpłatny eBook w formatach PDF, Kindle i ePub od Manning Publications.

O technologii

TensorFlow, biblioteka Google do uczenia maszynowego na dużą skalę, upraszcza często złożone obliczenia, reprezentując je jako wykresy i wydajnie mapując części wykresów na maszyny w klastrze lub na procesory pojedynczej maszyny.

O książce

Machine Learning with TensorFlow daje czytelnikom solidne podstawy koncepcji uczenia maszynowego oraz praktyczne doświadczenie w kodowaniu TensorFlow w Pythonie. Poznasz podstawy, pracując z klasycznymi algorytmami przewidywania, klasyfikacji i grupowania. Następnie przejdziesz do kolejnych rozdziałów: eksploracji koncepcji głębokiego uczenia się, takich jak autoenkodery, rekurencyjne sieci neuronowe i uczenie ze wzmocnieniem. Zapoznaj się z tą książką, a będziesz gotowy do wykorzystania TensorFlow we własnych aplikacjach uczenia maszynowego i głębokiego uczenia.

What's Inside

⬤ Dopasowywanie zadań do odpowiednich metod uczenia maszynowego i głębokiego uczenia.

⬤ Wizualizacja algorytmów za pomocą TensorBoard.

⬤ Zrozumieć i wykorzystać sieci neuronowe.

O Czytelniku

Napisany dla programistów doświadczonych w Pythonie i koncepcjach algebraicznych, takich jak wektory i macierze.

O autorze

Autor Nishant Shukla jest badaczem wizji komputerowej, koncentrującym się na zastosowaniu technik uczenia maszynowego w robotyce.

Starszy redaktor techniczny, Kenneth Fricklas, jest doświadczonym programistą, autorem i praktykiem uczenia maszynowego.

Spis treści

CZĘŚĆ 1 - TWOJA PLATFORMA UCZENIA MASZYNOWEGO.

⬤ Odyseja uczenia maszynowego.

⬤ Podstawy TensorFlow.

CZĘŚĆ 2 - PODSTAWOWE ALGORYTMY UCZENIA.

⬤ Regresja liniowa i nie tylko.

⬤ Delikatne wprowadzenie do klasyfikacji.

⬤ Automatyczne grupowanie danych.

⬤ Ukryte modele Markowa.

CZĘŚĆ 3 - PARADYGMAT SIECI NEURONOWYCH.

⬤ Rzut oka na autoenkodery.

⬤ Uczenie ze wzmocnieniem.

⬤ Konwolucyjne sieci neuronowe.

⬤ Powtarzające się sieci neuronowe.

⬤ Modele sekwencja-sekwencja dla chatbotów.

⬤ Krajobraz użyteczności.

Dodatkowe informacje o książce:

ISBN:9781617293870
Autor:
Wydawca:
Oprawa:Miękka oprawa

Zakup:

Obecnie dostępne, na stanie.

Inne książki autora:

Uczenie maszynowe z Tensorflow - Machine Learning with Tensorflow
Podsumowanie Machine Learning with TensorFlow daje czytelnikom solidne podstawy koncepcji...
Uczenie maszynowe z Tensorflow - Machine Learning with Tensorflow
Książka kucharska do analizy danych w języku Haskell - Haskell Data Analysis Cookbook
Receptury krok po kroku wypełnione praktycznymi próbkami kodu i...
Książka kucharska do analizy danych w języku Haskell - Haskell Data Analysis Cookbook

Prace autora wydały następujące wydawnictwa:

© Book1 Group - wszelkie prawa zastrzeżone.
Zawartość tej strony nie może być kopiowana ani wykorzystywana w całości lub w części bez pisemnej zgody właściciela.
Ostatnia aktualizacja: 2024.11.13 21:45 (GMT)