Titre original :
Data Science in Layman's Terms: Machine Learning
Contenu du livre :
L'apprentissage automatique est l'un des domaines qui a connu la croissance la plus rapide au cours de la dernière décennie. Les machines capables d'apprendre font de plus en plus partie de notre vie quotidienne. Les machines qui font preuve d'intelligence et de capacité d'apprentissage sont alimentées par les mathématiques et les algorithmes. Ces sujets ne sont pas forcément difficiles. Ce livre enseigne une compréhension de base de tout ce qui est lié à l'apprentissage automatique, afin que les scientifiques des données de niveau débutant ou intermédiaire puissent étendre leurs compétences, et que les intellectuels curieux puissent acquérir une compréhension du domaine.
Ce livre offre une vue d'ensemble complète de l'apprentissage automatique. Il s'appuie sur les informations présentées par son prédécesseur, Data Science in Layman's Terms : Statistics. Le livre établit un équilibre entre un tutoriel facile à lire et un manuel théorique intensif, en présentant d'abord les idées, conceptuellement, à un niveau élevé, puis en plongeant dans les détails et les mathématiques. Chaque chapitre est accompagné d'exemples pratiques avec Python, et R le cas échéant. Le contenu de la première moitié du livre est organisé de manière linéaire, chaque chapitre s'appuyant sur les connaissances des chapitres précédents. La seconde moitié du livre explore les sous-domaines de l'apprentissage automatique, comme le traitement du langage naturel, la vision par ordinateur, l'apprentissage par renforcement et la science des réseaux.
Parmi les applications pratiques que vous apprendrez dans ce livre, citons :
- Construire un agent simulé qui joue à des jeux sans aucune instruction, et le voir apprendre à jouer tout seul.
- Appliquer la reconnaissance faciale aux photos et aux vidéos en temps réel.
- Effectuer des analyses de paniers de marché et des regroupements pour améliorer l'efficacité du marketing ou l'expérience d'achat d'un client.
- Identifier des musiques similaires en se basant uniquement sur le son.
- Générer des visages de personnages d'anime réalistes.
- Identifier des sujets abstraits dans des documents textuels et analyser l'évolution dans le temps des sentiments à l'égard de différents sujets.
- Prédire les paires de personnes qui pourraient bientôt se connecter dans un réseau social et explorer la façon dont les réseaux évoluent dans le temps.
- Convertir des scans ou des images de documents en texte.
- Apprenez à construire des réseaux neuronaux avec Keras et à les sonder avec TensorBoard pour déterminer comment ils pourraient être améliorés.
Le dépôt GitHub accompagnant ce livre se trouve à l'adresse suivante : https : //github.com/nlinc1905/dsilt-ml-code.
Autres informations sur le livre :
| ISBN : | 9780578575896 |
| Auteur : | |
| Éditeur : | |
| Langue : | anglais |
| Reliure : | Relié |
Achat:
Actuellement disponible, en stock.
