Прикладное машинное обучение без учителя с использованием
400 стр.;
тип бумаги: офсетная белая;
формат 70x100/16 (170x240 мм);
Издательство Диалектика;
ISBN 978-5-907144-99-6,
9781492035640
скан PDF
Многие отраслевые эксперты считают, что неконтролируемое изучение следующего рубежа в области искусственного интеллекта может стать ключом к общему искусственному интеллекту. Поскольку большая часть данных в мире не имеет маркировки, традиционное контролируемое обучение не может быть применено. С другой стороны, неконтролируемое обучение может быть применено к немаркированным наборам данных, чтобы обнаружить значимые закономерности, скрытые глубоко в данных, узоры, которые почти невозможно обнаружить людям.
Автор Анкур Пател показывает, как применять обучение без контроля с помощью двух простых готовых к работе сред Python: Scikit-learn и TensorFlow с использованием Keras. С помощью кода и практических примеров ученые по данным будут выявлять труднодоступные шаблоны в данных и получать более глубокое представление о бизнесе, обнаруживать аномалии, выполнять автоматическое проектирование и выбор функций и генерировать синтетические наборы данных. Все, что вам нужно чтобы начать, это программирование и некоторый опыт машинного обучения.
- Сравните сильные и слабые стороны различных подходов машинного обучения: контролируемое, неконтролируемое и усиленное обучение
- Создавайте и управляйте проектами машинного обучения из конца в конец
- Создайте систему обнаружения аномалий для выявления мошенничества с кредитными картами
- Кластеры пользователей в отдельные и однородные группы
- Выполнить полуобслуживаемое обучение
- Разработать системы рекомендования фильмов с использованием машин Больцмана с ограничениями
- Генерируйте синтетические изображения, используя генеративные состязательные сети
diamail.com.ua/book/9149.html