Ocena:
Obecnie brak opinii czytelników. Ocena opiera się na 14 głosach.
Python Advanced Guide to Artificial Intelligence: Advanced Guide to Artificial Intelligence: Expert machine learning systems and intelligent agents us
Demistify the complexity of machine learning techniques and create evolving, clever solutions to solve your problems
Kluczowe cechy:
⬤ Opanuj nadzorowane, nienadzorowane i pół-nadzorowane algorytmy uczenia maszynowego i ich implementację.
⬤ Budowanie modeli głębokiego uczenia do wykrywania obiektów, klasyfikacji obrazów, uczenia się na podstawie podobieństwa i nie tylko.
⬤ Budowanie, wdrażanie i skalowanie kompleksowych modeli głębokich sieci neuronowych w środowisku produkcyjnym.
Opis książki:
Ta ścieżka edukacyjna to kompletny przewodnik pozwalający szybko opanować popularne algorytmy uczenia maszynowego. Zapoznasz się z najczęściej używanymi algorytmami w nadzorowanym, nienadzorowanym i pół-nadzorowanym uczeniu maszynowym i dowiesz się, jak z nich korzystać w najlepszy możliwy sposób. Począwszy od modeli bayesowskich, przez algorytm MCMC, aż po ukryte modele Markowa, ta ścieżka edukacyjna nauczy cię, jak wyodrębniać cechy ze zbioru danych i przeprowadzać redukcję wymiarowości przy użyciu bibliotek opartych na Pythonie.
Zapoznasz się z wykorzystaniem TensorFlow i Keras do budowania modeli głębokiego uczenia się, przy użyciu takich pojęć jak uczenie transferowe, generatywne sieci przeciwstawne i głębokie uczenie ze wzmocnieniem. Następnie poznasz zaawansowane funkcje TensorFlow1.x, takie jak rozproszony TensorFlow z klastrami TF, wdrażanie modeli produkcyjnych za pomocą TensorFlow Serving. Zaimplementujesz różne techniki związane z klasyfikacją obiektów, wykrywaniem obiektów, segmentacją obrazów i nie tylko.
Pod koniec tej ścieżki szkoleniowej zdobędziesz dogłębną wiedzę na temat TensorFlow, dzięki czemu staniesz się ekspertem w rozwiązywaniu problemów związanych ze sztuczną inteligencją.
Ta ścieżka szkoleniowa obejmuje treści z następujących produktów Packt:
- Mastering Machine Learning Algorithms autorstwa Giuseppe Bonaccorso.
- Mastering TensorFlow 1.x autorstwa Armando Fandango.
- Deep Learning for Computer Vision autorstwa Rajalingappaa Shanmugamani.
Czego się nauczysz:
⬤ Dowiedz się, w jaki sposób model ML może być trenowany, optymalizowany i oceniany.
⬤ Praca z autoenkoderami i generatywnymi sieciami adwersarzy.
⬤ Poznasz najważniejsze techniki uczenia ze wzmocnieniem.
⬤ Budowanie kompleksowych modeli głębokiego uczenia (CNN, RNN i Autoencoders).
Dla kogo jest ta książka:
Ta ścieżka edukacyjna jest przeznaczona dla analityków danych, inżynierów uczenia maszynowego, inżynierów sztucznej inteligencji, którzy chcą zagłębić się w złożone algorytmy uczenia maszynowego, kalibrować modele i ulepszać prognozy wyszkolonego modelu.
Poznasz zaawansowane zawiłości i złożone przypadki użycia głębokiego uczenia się i sztucznej inteligencji. Podstawowa znajomość programowania w Pythonie i pewne zrozumienie koncepcji uczenia maszynowego są wymagane, aby jak najlepiej wykorzystać tę ścieżkę edukacyjną.
