Глава 1. Наделение компьютеров способностью обучения на данных 27
Глава 2. Обучение простых алгоритмов МО для классификации 47
Глава 3. Обзор классификаторов на основе машинного обучения
с использованием scikit-learn 83
Глава 4. Построение хороших обучающих наборов с помощью
предварительной обработки данных 141
Глава 5. Сжатие данных с помощью понижения размерности 179
Глава 6. Изучение практического опыта оценки моделей
и настройки гиперпараметров 225
Глава 7. Объединение разных моделей для ансамблевого обучения 263
Глава 8. Применение машинного обучения для смыслового анализа 301
Глава 9. Встраивание модели машинного обучения в веб-приложение 331
Глава 10. Прогнозирование значений непрерывных целевых переменных с помощью регрессионного анализа 361
Глава 11. Работа с непомеченными данными – кластерный анализ 401
Глава 12. Реализация многослойной искусственной нейронной сети с нуля 437
Глава 13. Распараллеливание процесса обучения нейронных сетей
с помощью TensorFlow 479
Глава 14. Погружаемся глубже — механика TensorFlow 513
Глава 15. Классификация изображений с помощью глубоких сверточных нейронных сетей 553
Глава 16. Моделирование последовательных данных с использованием рекуррентных нейронных сетей 597
Предметный указатель 644

Python и машинное обучение: машинное и глубокое обучение с использованием Python, scikit-learn и TensorFlow, 2-е изданиеМашинное обучение поглощает мир программного обеспечения. Освойте и работайте с передовыми технологиями машинного обучения, нейронных сетей и глубокого обучения с помощью 2-го издания бестселлера Себастьяна Рашки...Автор(ы):Себастьян Рашка, Вахид МирджалилиПереводчик:Ю.Н. АртеменкоИздательство:Диалектика, ВильямсГод издания:2019ISBN:978-5-907114-52-4

Оглавление