Avis des lecteurs
Résumé:Le livre est salué pour ses explications claires et son approche pratique de l'IA et de l'apprentissage automatique, qui rendent les sujets complexes plus accessibles. Cependant, de nombreux utilisateurs ont signalé des problèmes avec la version Kindle, notamment en ce qui concerne la lisibilité des formules, et certains l'ont trouvé difficile pour les débutants en raison de son contenu avancé.
Avantages:⬤ Des explications claires et compréhensibles pour les étudiants.
⬤ Approche pratique engageante avec des exercices pratiques.
⬤ Couvre un large éventail de sujets dans le domaine de l'IA et de l'apprentissage automatique.
⬤ Convient aux lecteurs ayant des connaissances en programmation et en mathématiques.
⬤ Excellente rédaction technique et analogies.
⬤ Concis, il constitue une solide introduction aux algorithmes génétiques.
⬤ Les formules sont illisibles dans la version Kindle sur plusieurs appareils.
⬤ Le livre peut être trop avancé pour les vrais débutants en programmation.
⬤ Certains utilisateurs ont trouvé que tout le code nécessaire pour les exercices n'était pas inclus.
⬤ Le formatage des exemples de code pourrait être amélioré.
(basé sur 15 avis de lecteurs)
Titre original :
Genetic Algorithms and Machine Learning for Programmers: Create AI Models and Evolve Solutions
Contenu du livre :
Les voitures autonomes, la reconnaissance du langage naturel et les moteurs de recommandation en ligne sont tous possibles grâce à l'apprentissage automatique. Vous pouvez désormais créer vos propres algorithmes génétiques, essaims inspirés de la nature, simulations de Monte Carlo, automates cellulaires et clusters. Apprenez à tester votre code d'apprentissage automatique et plongez dans des sujets encore plus avancés. Si vous êtes un programmeur débutant ou intermédiaire désireux de comprendre l'apprentissage automatique, ce livre est fait pour vous.
Découvrez les algorithmes d'apprentissage automatique à l'aide d'une poignée de recettes autonomes. Construisez un répertoire d'algorithmes, en découvrant des termes et des approches qui s'appliquent de manière générale. Intégrer de l'intelligence dans vos algorithmes, en les guidant pour qu'ils découvrent de bonnes solutions aux problèmes.
Dans ce livre, vous allez :
⬤ Utiliser des heuristiques et concevoir des fonctions d'aptitude.
⬤ Construire des algorithmes génétiques.
⬤ Créer des essaims inspirés de la nature avec des fourmis, des abeilles et des particules.
⬤ Créer des simulations de Monte Carlo.
⬤ Étudier les automates cellulaires.
⬤ Trouver des minima et des maxima, en utilisant l'escalade de colline et le recuit simulé.
⬤ Essayer des méthodes de sélection, y compris le tournoi et la roulette.
⬤ Apprenez à connaître les heuristiques, les fonctions d'aptitude, les métriques et les grappes.
Testez votre code et laissez-vous inspirer pour essayer de nouveaux problèmes. Travaillez sur des scénarios afin de coder pour sortir d'un sac en papier.
Une compétence importante pour tout programmeur compétent. Découvrez comment les algorithmes explorent et apprennent en créant des visualisations de chaque problème. Laissez-vous inspirer pour concevoir vos propres projets d'apprentissage automatique et familiarisez-vous avec le jargon.
Ce dont vous avez besoin :
Code en C++ (>= C++11), Python (2. x ou 3. x) et JavaScript (en utilisant le canevas HTML5). Utilise également matplotlib et quelques bibliothèques open source, dont SFML, Catch et Cosmic-Ray. Ces bibliothèques de traçage et de test ne sont pas nécessaires, mais leur utilisation vous donnera une expérience plus complète. Armé d'un éditeur de texte et d'un compilateur/interprète pour le langage de votre choix, vous pouvez toujours coder à partir des descriptions générales des algorithmes.
Autres informations sur le livre :
| ISBN : | 9781680506204 |
| Auteur : | |
| Éditeur : | |
| Reliure : | Broché |
| Année de publication : | 2019 |
| Nombre de pages : | 236 |
Achat:
Actuellement disponible, en stock.
