Hands-On Machine Learning with C++ : Construire, entraîner et déployer des pipelines d'apprentissage automatique et d'apprentissage profond de bout en bout.

Avis des lecteurs

Résumé:

Ce livre offre une perspective unique sur la mise en œuvre de l'apprentissage automatique avec C++, comblant ainsi une lacune importante dans les ressources éducatives destinées aux programmeurs C++. Il fournit de nombreux exemples du monde réel qui rendent l'apprentissage automatique en C++ à la fois accessible et pratique. Cependant, il souffre de problèmes d'organisation et peut ne pas convenir aux débutants absolus, en particulier ceux qui ne sont pas familiers avec les bibliothèques et les concepts nécessaires.

Avantages:

Contient des exemples complets utilisant des données réelles, ce qui rend le matériel immédiatement applicable. Comble le fossé entre les ressources ML C++ et Python. Bonne vue d'ensemble des concepts et algorithmes de ML. Répond aux besoins des développeurs C++ avec des exemples de code pratiques et la compatibilité avec des bibliothèques comme PyTorch. Fournit un environnement Docker, facilitant la mise en place d'exemples.

Inconvénients:

Mauvaise organisation et manque de clarté quant au public visé. Peut submerger les débutants en raison d'un manque d'explications fondamentales sur les bibliothèques. N'est pas convivial pour ceux qui n'ont pas d'expérience en C++. Nécessite Docker pour l'installation des exemples, ce qui pourrait constituer un obstacle pour certains utilisateurs. Certains lecteurs estiment qu'il manque de profondeur dans l'explication des outils et des concepts.

(basé sur 6 avis de lecteurs)

Titre original :

Hands-On Machine Learning with C++: Build, train, and deploy end-to-end machine learning and deep learning pipelines

Contenu du livre :

Mettre en œuvre des algorithmes d'apprentissage automatique supervisés et non supervisés en utilisant des bibliothèques C++ telles que PyTorch C++ API, Caffe2, Shogun, Shark-ML, mlpack, et dlib avec l'aide d'exemples et d'ensembles de données du monde réel.

Caractéristiques principales

⬤ Se familiariser avec le traitement des données, la mesure des performances et la sélection des modèles à l'aide de diverses bibliothèques C++.

⬤ Les modèles d'apprentissage automatique et les techniques d'apprentissage profond sont mis en œuvre pour construire des modèles intelligents.

⬤ Les modèles d'apprentissage automatique sont déployés pour fonctionner sur des appareils mobiles et embarqués.

Description du livre

Le C++ peut permettre à vos modèles d'apprentissage automatique de fonctionner plus rapidement et plus efficacement. Ce guide pratique vous aidera à apprendre les principes de base de l'apprentissage machine (ML), en vous montrant comment utiliser les bibliothèques C++ pour tirer le meilleur parti de vos données. Ce livre facilite l'apprentissage automatique en C++ pour les débutants grâce à son approche basée sur l'exemple, démontrant comment mettre en œuvre des algorithmes d'apprentissage automatique supervisés et non supervisés à l'aide d'exemples du monde réel.

Ce livre vous permettra de vous familiariser avec le réglage et l'optimisation d'un modèle pour différents cas d'utilisation, en vous aidant à sélectionner un modèle et à mesurer les performances. Vous couvrirez des techniques telles que les recommandations de produits, l'apprentissage d'ensemble et la détection d'anomalies en utilisant des bibliothèques C++ modernes telles que PyTorch C++ API, Caffe2, Shogun, Shark-ML, mlpack et dlib. Ensuite, vous explorerez les réseaux neuronaux et l'apprentissage profond à l'aide d'exemples tels que la classification d'images et l'analyse des sentiments, ce qui vous aidera à résoudre divers problèmes. Ensuite, vous apprendrez à gérer les défis de production et de déploiement sur les plateformes mobiles et cloud, avant de découvrir comment exporter et importer des modèles à l'aide du format ONNX.

À la fin de ce livre sur le C++, vous aurez une connaissance réelle de l'apprentissage automatique et du C++, ainsi que les compétences nécessaires pour utiliser le C++ afin de construire de puissants systèmes d'apprentissage automatique.

Ce que vous apprendrez

⬤ Explorer comment charger et prétraiter divers types de données dans des structures de données C++ appropriées.

⬤ Les algorithmes clés d'apprentissage automatique sont utilisés avec diverses bibliothèques C++.

⬤ Comprendre l'approche de la recherche en grille pour trouver les meilleurs paramètres pour un modèle d'apprentissage automatique.

⬤ Mettre en œuvre un algorithme de filtrage des anomalies dans les données des utilisateurs en utilisant la distribution gaussienne.

⬤ Améliorer le filtrage collaboratif pour traiter les préférences dynamiques des utilisateurs.

⬤ Utiliser des bibliothèques et des API C++ pour gérer les structures et les paramètres des modèles.

⬤ Implémenter un programme C++ pour résoudre des tâches de classification d'images avec l'architecture LeNet.

Pour qui ce livre existe-t-il ?

Ce livre sur l'apprentissage automatique en C++ vous sera utile si vous souhaitez vous initier aux algorithmes et techniques d'apprentissage automatique en utilisant le langage populaire C++. En plus d'être un premier cours utile sur l'apprentissage automatique avec C++, ce livre intéressera également les analystes de données, les scientifiques de données et les développeurs d'apprentissage automatique qui cherchent à mettre en œuvre différents modèles d'apprentissage automatique en production à l'aide d'ensembles de données et d'exemples variés. Une connaissance pratique du langage de programmation C++ est obligatoire pour commencer ce livre.

Autres informations sur le livre :

• ISBN : 9781789955330
• Auteur : Kirill Kolodiazhnyi
• Éditeur : Packt Pub
• Reliure : Broché