Avis des lecteurs
Résumé:Ce livre est très apprécié pour son introduction à la fois complète et concise aux algorithmes génétiques (AG), particulièrement adaptée aux débutants ayant une connaissance de base de Python. Les lecteurs apprécient sa clarté, sa simplicité et ses exemples pratiques, ce qui en fait une excellente ressource pour l'application des AG aux défis du monde réel. Cependant, certains lecteurs trouvent qu'il manque des expériences pratiques de codage au début du texte et ont noté des problèmes de formatage dans la version Kindle.
Avantages:⬤ Complet et concis
⬤ facile à suivre
⬤ excellente introduction pour les nouveaux venus à l'AG
⬤ explications claires de concepts complexes
⬤ exemples pratiques utilisant le cadre DEAP
⬤ solide pour les applications de projets pratiques
⬤ visualisations utiles
⬤ accessible et bien écrit.
⬤ Manque d'exemples de codage pratiques dans les premiers chapitres
⬤ certains extraits de code sont hors contexte et ne sont pas expliqués en détail
⬤ les problèmes de formatage de Kindle rendent la lecture difficile.
(basé sur 12 avis de lecteurs)
Titre original :
Hands-On Genetic Algorithms with Python
Contenu du livre :
Explorez le monde sans cesse croissant des algorithmes génétiques pour résoudre des tâches de recherche, d'optimisation et d'intelligence artificielle, et améliorer les modèles d'apprentissage automatique à l'aide de bibliothèques Python telles que DEAP, scikit-learn et NumPy Caractéristiques principales Explorez les tenants et les aboutissants des algorithmes génétiques grâce à ce guide rapide Mettez en œuvre des tâches telles que la sélection de caractéristiques, l'optimisation de la recherche et l'analyse de grappes à l'aide de Python Résolvez des problèmes combinatoires, optimisez des fonctions et améliorez les performances des applications d'intelligence artificielle Description du livre
Les algorithmes génétiques sont une famille d'algorithmes de recherche, d'optimisation et d'apprentissage inspirés des principes de l'évolution naturelle. En imitant le processus d'évolution, les algorithmes génétiques peuvent surmonter les obstacles rencontrés dans les algorithmes de recherche traditionnels et fournir des solutions de haute qualité pour une variété de problèmes. Ce livre vous aidera à vous familiariser avec une approche puissante mais simple de l'application des algorithmes génétiques à un large éventail de tâches à l'aide de Python, couvrant les derniers développements en matière d'intelligence artificielle.
Après vous avoir présenté les algorithmes génétiques et leurs principes de fonctionnement, vous comprendrez en quoi ils diffèrent des algorithmes traditionnels et quels types de problèmes ils peuvent résoudre. Vous découvrirez ensuite comment ils peuvent être appliqués aux problèmes de recherche et d'optimisation, tels que la planification, l'ordonnancement, les jeux et l'analyse. Au fur et à mesure de votre progression, vous apprendrez également à utiliser les algorithmes génétiques pour améliorer vos modèles d'apprentissage automatique et d'apprentissage profond, pour résoudre des tâches d'apprentissage par renforcement et pour effectuer la reconstruction d'images. Enfin, vous aborderez plusieurs technologies connexes susceptibles d'ouvrir de nouvelles possibilités d'applications futures.
À la fin de cet ouvrage, vous aurez acquis une expérience pratique de l'application des algorithmes génétiques en intelligence artificielle ainsi que dans de nombreux autres domaines. Ce que vous apprendrez Comprendre comment utiliser les outils Python de pointe pour créer des applications basées sur les algorithmes génétiques Utiliser les algorithmes génétiques pour optimiser les fonctions et résoudre les problèmes de planification et d'ordonnancement Améliorer les performances des modèles d'apprentissage automatique et optimiser l'architecture des réseaux d'apprentissage profond Appliquer les algorithmes génétiques aux tâches d'apprentissage par renforcement en utilisant OpenAI Gym Explorer comment les images peuvent être reconstruites en utilisant un ensemble de formes semi-transparentes Découvrir d'autres techniques bio-inspirées, telles que la programmation génétique et l'optimisation par essaims de particules À qui s'adresse ce livre ?
Ce livre s'adresse aux développeurs de logiciels, aux scientifiques des données et aux passionnés d'IA qui souhaitent utiliser des algorithmes génétiques pour effectuer des tâches intelligentes dans leurs applications. Une connaissance pratique de Python et des connaissances de base en mathématiques et en informatique vous aideront à tirer le meilleur parti de ce livre. Table des matières Introduction aux algorithmes génétiques Comprendre les composants clés des algorithmes génétiques Utiliser le cadre DEAP Optimisation combinatoire Satisfaction des contraintes Optimisation des fonctions continues Amélioration des modèles d'apprentissage automatique à l'aide de la sélection des caractéristiques Réglage des hyperparamètres Modèles d'apprentissage automatique Optimisation de l'architecture des réseaux d'apprentissage profond Apprentissage par renforcement avec les algorithmes génétiques Reconstruction d'images génétiques Autres techniques de calcul évolutionnaire et bio-inspiré
Autres informations sur le livre :
| ISBN : | 9781838557744 |
| Auteur : | |
| Éditeur : | |
| Reliure : | Broché |
Achat:
Actuellement disponible, en stock.
