Note :
Il n'y a actuellement aucun avis de lecteur. La note est basée sur 37 votes.
Machine Learning for Beginners: Learn to Build Machine Learning Systems Using Python (English Edition)
Se familiariser avec les différents algorithmes d'apprentissage supervisé, non supervisé et de renforcement.
Caractéristiques principales
⬤ Comprendre les types d'apprentissage automatique.
⬤ Se familiariser avec les différentes méthodes d'extraction de caractéristiques.
⬤ Obtenir une vue d'ensemble du fonctionnement des algorithmes de réseaux neuronaux.
⬤ Apprenez à mettre en œuvre les arbres de décision et les forêts aléatoires.
⬤ Ce livre explique non seulement les algorithmes de classification, mais aussi les déviations et la modélisation mathématique.
Description
Ce livre couvre les concepts et les sujets importants de l'apprentissage automatique. Il commence par le nettoyage des données et présente une vue d'ensemble de la sélection des caractéristiques. Il traite ensuite de l'entraînement et du test, de la validation croisée et de la sélection des caractéristiques. Le livre couvre les algorithmes et les implémentations des techniques de sélection de caractéristiques les plus courantes. Le livre se concentre ensuite sur la régression linéaire et la descente de gradient. Certaines des techniques de classification les plus importantes, telles que les K-voisins les plus proches, la régression logistique, l'analyse Na ve Bayesian et l'analyse discriminante linéaire, sont abordées dans ce livre. Il donne ensuite un aperçu des réseaux neuronaux et explique le contexte biologique, les limites du perceptron et le modèle de rétropropagation. Les machines à vecteurs de support et les méthodes à noyau sont également incluses dans le livre. Il montre ensuite comment mettre en œuvre les arbres de décision et les forêts aléatoires.
Vers la fin, le livre donne un bref aperçu de l'apprentissage non supervisé. Diverses techniques d'extraction de caractéristiques, telles que la transformation de Fourier, la STFT et les motifs binaires locaux, sont abordées. Le livre aborde également l'analyse en composantes principales et sa mise en œuvre.
Ce que vous apprendrez
⬤ Apprendre à préparer les données pour l'apprentissage automatique.
⬤ Apprendre à mettre en œuvre des algorithmes d'apprentissage à partir de zéro.
⬤ Utiliser scikit-learn pour implémenter des algorithmes.
⬤ Utiliser diverses méthodes de sélection et d'extraction des caractéristiques.
⬤ Apprendre à développer un système de reconnaissance faciale.
A qui s'adresse ce livre ?
Ce livre est destiné aux étudiants en informatique de premier et deuxième cycles, ainsi qu'aux professionnels qui souhaitent s'orienter vers le monde fascinant de l'apprentissage automatique. Ce livre nécessite des connaissances de base en programmation, en particulier en Python.
Table des matières
1. Introduction à l'apprentissage automatique.
2. Le début : Prétraitement et sélection des caractéristiques.
3. La régression.
4. Classification.
5. Réseaux neuronaux - I.
6. Réseaux neuronaux-II.
7. Machines à vecteurs de support.
8. Arbres de décision.
9. Regroupement.
10. Extraction de caractéristiques.
Annexe.
A1. Aide-mémoire.
A2. Détection des visages.
A3. Biblographie.
À propos de l'auteur
Harsh Bhasin est chercheur en apprentissage automatique appliqué. M. Bhasin a travaillé comme professeur adjoint à Jamia Hamdard, New Delhi, et a enseigné en tant que professeur invité dans divers instituts, notamment à l'université technologique de Delhi. Auparavant, il a travaillé dans le domaine du développement côté client C# et du développement d'algorithmes.
M. Bhasin est l'auteur de plusieurs articles publiés dans des revues renommées, notamment Soft Computing, Springer, BMC Medical Informatics and Decision Making, AI and Society, etc. Il participe à l'examen de revues de premier plan et a été rédacteur en chef de quelques numéros spéciaux. Il a été lauréat d'une bourse distinguée.
En dehors de son travail, il s'intéresse beaucoup à la poésie hindi, à l'ère du progrès.
La musique classique hindoustanie, les instruments à percussion.
Ses domaines d'intérêt comprennent les structures de données, l'analyse et la conception d'algorithmes, la théorie du calcul, Python, l'apprentissage automatique et l'apprentissage profond.
Votre profil LinkedIn :
Https : //in. linkedin.com/in/harsh-bhasin-69134426.
© Book1 Group - tous droits réservés.
Le contenu de ce site ne peut être copié ou utilisé, en tout ou en partie, sans l'autorisation écrite du propriétaire.
Dernière modification: 2024.11.14 07:32 (GMT)