Bewertung:
Das Buch bietet eine umfassende Einführung in Genetische Algorithmen (GA) unter Verwendung von Python, die sich gut für diejenigen eignet, die bereits über Grundkenntnisse in der Python-Programmierung verfügen. Es deckt verschiedene Themen von grundlegenden Konzepten bis hin zu fortgeschrittenen Anwendungen ab und bietet klare Erklärungen und praktische Codebeispiele, auch wenn es nicht tief in die Theorie eindringt.
Vorteile:⬤ Gut geschrieben und leicht nachvollziehbar
⬤ deckt ein breites Spektrum von GAs ab
⬤ wertvolle Beispiele aus der Praxis
⬤ klare Erklärungen
⬤ gute Codeschnipsel
⬤ herunterladbarer Code verfügbar
⬤ geeignet für diejenigen, die mit Python vertraut sind.
⬤ Nicht für Python-Anfänger geeignet
⬤ bietet keine tiefgreifende theoretische Abhandlung
⬤ nur Code-Schnipsel, keine vollständige Python-Einführung.
(basierend auf 6 Leserbewertungen)
Learning Genetic Algorithms with Python: Empower the performance of Machine Learning and AI models with the capabilities of a powerful search algorith
Tanken Sie Ihre KI-Modelle und ML-Anwendungen mit hochqualitativen Optimierungs- und Suchlösungen auf
Hauptmerkmale
⬤ Komplette Abdeckung der praktischen Implementierung genetischer Algorithmen.
⬤ Intuitive Erklärungen und Visualisierungen liefern theoretische Konzepte.
⬤ Zusätzliche Beispiele und Anwendungsfälle zur Leistungsfähigkeit genetischer Algorithmen.
⬤ Verwendung von Python-Bibliotheken und eine Nischenabdeckung zur Leistungsoptimierung genetischer Algorithmen.
Beschreibung
Genetische Algorithmen sind eine der einfachsten und leistungsstärksten Techniken, die beim maschinellen Lernen eingesetzt werden. Dieses Buch "Learning Genetic Algorithms with Python" führt den Leser von den Grundlagen genetischer Algorithmen bis hin zu ihrer praktischen Umsetzung in Produktionsumgebungen.
Jedes der Kapitel vermittelt dem Leser ein intuitives Verständnis der einzelnen Konzepte. Sie werden lernen, wie man einen genetischen Algorithmus von Grund auf erstellt und ihn in realen Problemen implementiert. Anhand praktischer, illustrierter Beispiele lernen Sie, wie Sie die beste Modellarchitektur für die jeweilige Aufgabe entwerfen und auswählen. Anhand aktueller Beispiele wie Radar- und Fußballmanager-Problemstellungen lernen Sie, hochdimensionale Big-Data-Herausforderungen mit Optimierungsmethoden für genetische Algorithmen zu lösen.
(Was Sie lernen werden)
⬤ Verstehen Sie den Mechanismus genetischer Algorithmen unter Verwendung beliebter Python-Bibliotheken.
⬤ Lernen Sie die Prinzipien und die Architektur genetischer Algorithmen kennen.
⬤ Anwenden und Lösen von Planungs-, Terminierungs- und Analyseproblemen in Unternehmensanwendungen.
⬤ Expertenwissen über die wichtigsten Konzepte wie Selektion, Mutation und Crossover.
Für wen ist dieses Buch gedacht?
Das Buch richtet sich an Data-Science-Teams, Analytiker, KI-Ingenieure und ML-Profis, die genetische Algorithmen integrieren möchten, um ihre ML- und KI-Anwendungen aufzufrischen. Es sind keine besonderen Kenntnisse über maschinelles Lernen erforderlich, obwohl Grundkenntnisse in Python erwartet werden.
Inhaltsverzeichnis
1. Einführung.
2. Genetischer Algorithmus Ablauf.
3. Auswahl.
4. Überkreuzung.
5. Mutation.
6. Effektivität.
7. Parameter-Abstimmung.
8. Black-box-Funktion.
9. Kombinatorische Optimierung: Binäre Genkodierung.
10. Kombinatorische Optimierung: Geordnete Genkodierung.
11. Andere allgemeine Probleme.
12. Adaptiver genetischer Algorithmus.
13. Verbesserung der Leistung.
Über den Autor
Ivan Gridin ist Mathematiker, Fullstack-Entwickler, Datenwissenschaftler und Experte für maschinelles Lernen und lebt in Moskau, Russland. Im Laufe der Jahre hat er an verteilten Systemen mit hoher Last gearbeitet und verschiedene Ansätze des maschinellen Lernens in der Praxis umgesetzt. Einer seiner Forschungsschwerpunkte ist die Entwicklung und Analyse von prädiktiven Zeitreihenmodellen.
Ivan verfügt über grundlegende mathematische Kenntnisse in den Bereichen Wahrscheinlichkeitstheorie, Theorie zufälliger Prozesse, Zeitreihenanalyse, maschinelles Lernen, Deep Learning und Optimierung. Außerdem verfügt er über fundierte Kenntnisse und Verständnis verschiedener Programmiersprachen wie Java, Python, PHP und MATLAB.
Er ist ein liebender Vater, Ehemann und Sammler von alten Mathematikbüchern.
LinkedIn-Profil: www.linkedin.com/in/survex.
Blog-Links: https: //www.facebook.com/ivan. gridin/.
| ISBN: | 9788194837756 |
| Autor: | |
| Verlag: | |
| Einband: | Taschenbuch |
Derzeit verfügbar, auf Lager.
