Bewertung:
Das Buch wird hoch gelobt, weil es eine umfassende und dennoch prägnante Einführung in genetische Algorithmen (GA) bietet, die sich besonders für Anfänger mit Grundkenntnissen in Python eignet. Die Leser schätzen die Klarheit, Geradlinigkeit und die praktischen Beispiele, die es zu einer ausgezeichneten Quelle für die Anwendung von GA auf reale Herausforderungen machen. Einige Leser sind jedoch der Meinung, dass es zu Beginn des Textes an praktischen Programmiererfahrungen mangelt und haben Probleme mit der Formatierung in der Kindle-Version festgestellt.
Vorteile:⬤ Umfassend und prägnant
⬤ einfach zu folgen
⬤ großartige Einführung für Neulinge in GA
⬤ klare Erklärungen komplexer Konzepte
⬤ praktische Beispiele unter Verwendung des DEAP-Frameworks
⬤ stark für praktische Projektanwendungen
⬤ hilfreiche Visualisierungen
⬤ zugänglich und gut geschrieben.
⬤ Fehlende praktische Programmierbeispiele in den ersten Kapiteln
⬤ einige Codeschnipsel sind aus dem Zusammenhang gerissen und nicht gründlich erklärt
⬤ Kindle-Formatierungsprobleme erschweren das Lesen.
(basierend auf 12 Leserbewertungen)
Hands-On Genetic Algorithms with Python
Erforschen Sie die ständig wachsende Welt der genetischen Algorithmen, um Such-, Optimierungs- und KI-Aufgaben zu lösen und Modelle für maschinelles Lernen mit Python-Bibliotheken wie DEAP, scikit-learn und NumPy zu verbessern. Hauptmerkmale Erforschen Sie die Ins und Outs der genetischen Algorithmen mit diesem rasanten Leitfaden Implementieren Sie Aufgaben wie Merkmalsauswahl, Suchoptimierung und Clusteranalyse mit Python Lösen Sie kombinatorische Probleme, optimieren Sie Funktionen und verbessern Sie die Leistung von Anwendungen der künstlichen Intelligenz Buchbeschreibung
Genetische Algorithmen sind eine Familie von Such-, Optimierungs- und Lernalgorithmen, die von den Prinzipien der natürlichen Evolution inspiriert sind. Durch die Nachahmung des evolutionären Prozesses können genetische Algorithmen die Hürden herkömmlicher Suchalgorithmen überwinden und qualitativ hochwertige Lösungen für eine Vielzahl von Problemen liefern. Dieses Buch hilft Ihnen, einen leistungsstarken und dennoch einfachen Ansatz für die Anwendung genetischer Algorithmen auf eine breite Palette von Aufgaben mit Python zu erlernen und deckt die neuesten Entwicklungen in der künstlichen Intelligenz ab.
Nach einer Einführung in genetische Algorithmen und ihre Funktionsprinzipien werden Sie verstehen, wie sie sich von herkömmlichen Algorithmen unterscheiden und welche Arten von Problemen sie lösen können. Sie werden dann entdecken, wie sie auf Such- und Optimierungsprobleme wie Planung, Scheduling, Spiele und Analysen angewendet werden können. Im weiteren Verlauf lernen Sie auch, wie Sie mit genetischen Algorithmen Ihre Modelle für maschinelles Lernen und Deep Learning verbessern, Aufgaben des Reinforcement Learning lösen und Bildrekonstruktionen durchführen können. Schließlich werden Sie verschiedene verwandte Technologien kennenlernen, die neue Möglichkeiten für zukünftige Anwendungen eröffnen können.
Am Ende dieses Buches werden Sie praktische Erfahrungen mit der Anwendung genetischer Algorithmen in der künstlichen Intelligenz sowie in zahlreichen anderen Bereichen gesammelt haben. Was Sie lernen werden Verstehen Sie, wie man modernste Python-Tools verwendet, um auf genetischen Algorithmen basierende Anwendungen zu erstellen Verwenden Sie genetische Algorithmen, um Funktionen zu optimieren und Planungs- und Terminierungsprobleme zu lösen Verbessern Sie die Leistung von Machine-Learning-Modellen und optimieren Sie die Architektur von Deep-Learning-Netzwerken Wenden Sie genetische Algorithmen auf Reinforcement-Learning-Aufgaben an, indem Sie OpenAI Gym verwenden Entdecken Sie, wie Bilder mithilfe einer Reihe von halbtransparenten Formen rekonstruiert werden können Entdecken Sie andere bio-inspirierte Techniken, wie genetische Programmierung und Partikelschwarmoptimierung Für wen dieses Buch gedacht ist
Dieses Buch richtet sich an Softwareentwickler, Datenwissenschaftler und KI-Enthusiasten, die genetische Algorithmen zur Ausführung intelligenter Aufgaben in ihren Anwendungen einsetzen möchten. Kenntnisse in Python und Grundkenntnisse in Mathematik und Informatik werden Ihnen helfen, dieses Buch optimal zu nutzen. Inhaltsverzeichnis Eine Einführung in genetische Algorithmen Verstehen der Schlüsselkomponenten genetischer Algorithmen Verwenden des DEAP-Frameworks Kombinatorische Optimierung Befriedigung von Nebenbedingungen Optimierung kontinuierlicher Funktionen Verbessern von Modellen für maschinelles Lernen mithilfe von Merkmalsauswahl Hyperparameterabstimmung von Modellen für maschinelles Lernen Architekturoptimierung von Deep-Learning-Netzen Verstärkungslernen mit genetischen Algorithmen Genetische Bildrekonstruktion Andere evolutionäre und bioinspirierte Berechnungstechniken
| ISBN: | 9781838557744 |
| Autor: | |
| Verlag: | |
| Einband: | Taschenbuch |
Derzeit verfügbar, auf Lager.
