Avis des lecteurs
Résumé:Le livre « Programming Machine Learning » de Paolo Perrotta est largement apprécié pour son approche claire et méthodique de l'introduction des concepts d'apprentissage automatique. Il guide avec succès les débutants à travers les principes fondamentaux de l'apprentissage automatique et des réseaux neuronaux sans s'appuyer lourdement sur les bibliothèques existantes, rendant ainsi les sujets complexes plus accessibles. Cependant, certains évaluateurs ont noté des lacunes dans les explications mathématiques plus approfondies et dans certains sujets avancés, ce qui suggère qu'il pourrait ne pas répondre aux besoins de ceux qui recherchent une couverture étendue dans ces domaines.
Avantages:⬤ Introduction claire et progressive aux concepts de l'apprentissage automatique.
⬤ Bonnes explications des mathématiques et du code sous-jacents.
⬤ Approche pratique et concrète avec des exemples.
⬤ Des diagrammes bien illustrés qui améliorent la compréhension.
⬤ Soutien et engagement personnalisés de l'auteur.
⬤ Idéal pour les débutants et les programmeurs intermédiaires cherchant à acquérir des connaissances de base.
⬤ Manque de descriptions mathématiques approfondies des concepts.
⬤ Certains chapitres, comme ceux sur les CNN, sont considérés comme inadéquats.
⬤ Couverture limitée des sujets avancés, qui peut ne pas satisfaire ceux qui recherchent des connaissances complètes.
(basé sur 19 avis de lecteurs)
Titre original :
Programming Machine Learning: From Coding to Deep Learning
Contenu du livre :
Vous avez décidé de vous attaquer à l'apprentissage automatique - parce que vous êtes à la recherche d'un emploi, que vous vous lancez dans un nouveau projet ou que vous trouvez simplement que les voitures autonomes sont géniales. Mais par où commencer ? Il est facile d'être intimidé, même en tant que développeur de logiciels. La bonne nouvelle, c'est que ce n'est pas si difficile. Maîtrisez l'apprentissage automatique en écrivant du code une ligne à la fois, depuis de simples programmes d'apprentissage jusqu'à un véritable système d'apprentissage profond. Abordez les sujets difficiles en les décomposant pour qu'ils soient plus faciles à comprendre, et renforcez votre confiance en mettant les mains dans le cambouis.
Éliminez les obscurités de l'apprentissage automatique, en partant de zéro et en allant jusqu'à l'apprentissage profond. L'apprentissage automatique peut être intimidant, car il repose sur des mathématiques et des algorithmes que la plupart des programmeurs ne rencontrent pas dans leur travail habituel. Adoptez une approche pratique, en écrivant vous-même le code Python, sans aucune bibliothèque pour obscurcir ce qui se passe réellement. Faites évoluer votre conception et ajoutez des couches de complexité au fur et à mesure que vous avancez.
Construire une application de reconnaissance d'images à partir de zéro avec l'apprentissage supervisé. Prédire l'avenir avec la régression linéaire. Plongez dans la descente de gradient, un algorithme fondamental qui est à la base de la majeure partie de l'apprentissage automatique. Créer des perceptrons pour classer les données. Construire des réseaux neuronaux pour s'attaquer à des ensembles de données plus complexes et plus sophistiqués. Former et affiner ces réseaux à l'aide de la rétropropagation et de la mise en lots. Superposez les réseaux neuronaux, éliminez le surajustement et ajoutez la convolution pour transformer votre réseau neuronal en un véritable système d'apprentissage profond.
Commencez par le début et codez votre chemin vers la maîtrise de l'apprentissage automatique.
Ce dont vous avez besoin :
Les exemples de ce livre sont écrits en Python, mais ne vous inquiétez pas si vous ne connaissez pas ce langage : vous apprendrez très rapidement tout le Python dont vous avez besoin. En dehors de cela, vous n'aurez besoin que de votre ordinateur et de votre cerveau doué pour le code.
Autres informations sur le livre :
| ISBN : | 9781680506600 |
| Auteur : | |
| Éditeur : | |
| Reliure : | Broché |
| Année de publication : | 2020 |
| Nombre de pages : | 300 |
Achat:
Actuellement disponible, en stock.
