Avis des lecteurs
Résumé:Le livre reçoit des critiques mitigées de la part des lecteurs, beaucoup louant son approche pratique de l'apprentissage non supervisé, tandis que d'autres critiquent sa profondeur, sa qualité technique et ses nombreuses erreurs. Il est considéré comme un bon point de départ pour les débutants, mais insuffisant pour ceux qui recherchent des connaissances approfondies ou des techniques avancées.
Avantages:Approche pratique avec des applications dans le monde réel.
Inconvénients:Bon pour les apprenants débutants ou intermédiaires, avec des exemples de code et des explications claires.
(basé sur 34 avis de lecteurs)
Contenu du livre :
De nombreux experts du secteur considèrent l'apprentissage non supervisé comme la prochaine frontière de l'intelligence artificielle, qui pourrait être la clé de l'intelligence artificielle générale. La majorité des données mondiales n'étant pas étiquetées, l'apprentissage supervisé conventionnel ne peut pas être appliqué. L'apprentissage non supervisé, en revanche, peut être appliqué à des ensembles de données non étiquetées afin de découvrir des modèles significatifs enfouis profondément dans les données, des modèles qu'il serait presque impossible à l'homme de découvrir.
L'auteur Ankur Patel vous montre comment appliquer l'apprentissage non supervisé à l'aide de deux frameworks Python simples et prêts à la production : Scikit-learn et TensorFlow utilisant Keras. Avec du code et des exemples pratiques, les scientifiques des données identifieront des modèles difficiles à trouver dans les données et obtiendront des informations commerciales plus approfondies, détecteront des anomalies, effectueront l'ingénierie et la sélection automatiques des caractéristiques et généreront des ensembles de données synthétiques. Tout ce dont vous avez besoin, c'est de programmer et d'avoir une certaine expérience de l'apprentissage automatique pour commencer.
⬤ Comparer les forces et les faiblesses des différentes approches d'apprentissage automatique : supervisé, non supervisé et apprentissage par renforcement.
⬤ Mettre en place et gérer des projets d'apprentissage automatique de bout en bout.
⬤ Construire un système de détection d'anomalies pour repérer les fraudes à la carte de crédit.
⬤ Regroupement des utilisateurs en groupes distincts et homogènes.
⬤ Effectuer un apprentissage semi-supervisé.
⬤ Développer des systèmes de recommandation de films en utilisant des machines de Boltzmann restreintes.
⬤ Générer des images synthétiques à l'aide de réseaux adversaires génératifs.
Autres informations sur le livre :
| ISBN : | 9781492035640 |
| Auteur : | |
| Éditeur : | |
| Reliure : | Broché |
| Année de publication : | 2019 |
| Nombre de pages : | 400 |
Achat:
Actuellement disponible, en stock.
