Bewertung:
Derzeit gibt es keine Leserbewertungen. Die Bewertung basiert auf 7 Stimmen.
Hands-On Unsupervised Learning with Python
Entdecken Sie die Fähigkeiten, die erforderlich sind, um verschiedene Ansätze des maschinellen Lernens mit Python zu implementieren Hauptmerkmale Erforschen Sie unüberwachtes Lernen mit Clustering, Autoencodern, beschränkten Boltzmann-Maschinen und mehr Bauen Sie Ihre eigenen neuronalen Netzwerkmodelle mit modernen Python-Bibliotheken Praktische Beispiele zeigen Ihnen, wie Sie verschiedene Techniken des maschinellen Lernens und Deep Learning implementieren Buchbeschreibung
Beim unüberwachten Lernen geht es darum, rohe, unmarkierte Daten zu nutzen und Lernalgorithmen auf sie anzuwenden, um einer Maschine bei der Vorhersage ihrer Ergebnisse zu helfen. Mit diesem Buch werden Sie das Konzept des unüberwachten Lernens erforschen, um große Datensätze zu clustern und sie wiederholt zu analysieren, bis das gewünschte Ergebnis mit Python gefunden wird.
Dieses Buch beginnt mit den wichtigsten Unterschieden zwischen überwachtem, unüberwachtem und halbüberwachtem Lernen. Sie werden in die am häufigsten verwendeten Bibliotheken und Frameworks aus dem Python-Ökosystem eingeführt und befassen sich mit unüberwachtem Lernen sowohl im Bereich des maschinellen Lernens als auch des Deep Learning. Sie werden verschiedene Algorithmen und Techniken erforschen, die verwendet werden, um unüberwachtes Lernen in realen Anwendungsfällen zu implementieren. Sie werden eine Vielzahl von Ansätzen des unüberwachten Lernens kennenlernen, darunter randomisierte Optimierung, Clustering, Merkmalsauswahl und -umwandlung sowie Informationstheorie. Sie werden praktische Erfahrungen damit sammeln, wie neuronale Netze in unüberwachten Szenarien eingesetzt werden können. Sie werden auch die Schritte erforschen, die mit dem Aufbau und dem Training eines GAN verbunden sind, um Bilder zu verarbeiten.
Am Ende dieses Buches werden Sie die Kunst des unüberwachten Lernens für verschiedene reale Herausforderungen erlernt haben. Was Sie lernen werden Verwenden Sie Cluster-Algorithmen, um natürliche Datengruppen zu identifizieren und zu optimieren Erforschen Sie fortgeschrittenes nicht-lineares und hierarchisches Clustering in Aktion Weiche Label-Zuweisungen für Fuzzy-C-Means und Gaußsche Mischmodelle Erkennen Sie Anomalien durch Dichte-Schätzung Führen Sie eine Hauptkomponentenanalyse mit neuronalen Netzwerkmodellen durch Erstellen Sie unüberwachte Modelle mit GANs Für wen ist dieses Buch?
Dieses Buch richtet sich an Statistiker, Datenwissenschaftler, Entwickler von maschinellem Lernen und Deep-Learning-Praktiker, die intelligente Anwendungen erstellen möchten, indem sie den Schlüsselbaustein unüberwachtes Lernen implementieren und alle neuen Techniken und Algorithmen des maschinellen Lernens und Deep Learning anhand von Beispielen aus der Praxis beherrschen. Einige Vorkenntnisse über Konzepte des maschinellen Lernens und der Statistik sind wünschenswert. Inhaltsverzeichnis Erste Schritte beim unüberwachten Lernen Grundlagen des Clustering Fortgeschrittenes Clustering Hierarchisches Clustering in Aktion Soft Clustering und Gaußsche Mischungsmodelle Anomalieerkennung Dimensionalitätsreduktion und Komponentenanalyse Unüberwachte neuronale Netzwerkmodelle Generative adversarische Netzwerke und SOMs
| ISBN: | 9781789348279 |
| Autor: | |
| Verlag: | |
| Sprache: | Englisch |
| Einband: | Taschenbuch |
Derzeit verfügbar, auf Lager.
