Bewertung:
Das Buch bietet eine einzigartige Perspektive auf die Implementierung von maschinellem Lernen mit C++ und füllt damit eine bedeutende Lücke in den Ausbildungsressourcen für C++-Programmierer. Es bietet zahlreiche Beispiele aus der Praxis, die das maschinelle Lernen in C++ sowohl zugänglich als auch praktisch machen. Es leidet jedoch unter organisatorischen Problemen und ist möglicherweise nicht für absolute Anfänger geeignet, insbesondere für diejenigen, die mit den erforderlichen Bibliotheken und Konzepten nicht vertraut sind.
Vorteile:Enthält vollständige Beispiele mit realen Daten, so dass das Material sofort anwendbar ist. Schließt die Lücke zwischen den ML-Ressourcen in C++ und Python. Guter Überblick über ML-Konzepte und -Algorithmen. Berücksichtigt die Bedürfnisse von C++-Entwicklern mit praktischen Codebeispielen und Kompatibilität mit Bibliotheken wie PyTorch. Bietet eine Docker-Umgebung, die eine einfache Einrichtung der Beispiele ermöglicht.
Nachteile:Schlecht organisiert, ohne klare Zielgruppe. Kann Anfänger aufgrund fehlender grundlegender Erklärungen zu Bibliotheken überfordern. Nicht benutzerfreundlich für diejenigen, die noch keine Erfahrung mit C++ haben. Erfordert Docker für die Einrichtung des Beispiels, was für einige Benutzer ein Hindernis darstellen könnte. Einige Leser haben das Gefühl, dass es bei der Erklärung der Tools und Konzepte an Tiefe mangelt.
(basierend auf 6 Leserbewertungen)
Hands-On Machine Learning with C++: Build, train, and deploy end-to-end machine learning and deep learning pipelines
Implementieren Sie überwachte und unüberwachte Algorithmen des maschinellen Lernens mit C++-Bibliotheken wie PyTorch C++ API, Caffe2, Shogun, Shark-ML, mlpack und dlib mit Hilfe von realen Beispielen und Datensätzen.
Hauptmerkmale
⬤ Machen Sie sich mit der Datenverarbeitung, Leistungsmessung und Modellauswahl unter Verwendung verschiedener C++-Bibliotheken vertraut.
⬤ Implementieren Sie praktische Techniken des maschinellen Lernens und des Deep Learning, um intelligente Modelle zu erstellen.
⬤ Einsatz von Machine-Learning-Modellen auf mobilen und eingebetteten Geräten.
Buchbeschreibung
Mit C++ können Sie Ihre Modelle für maschinelles Lernen schneller und effizienter ausführen. Dieser praktische Leitfaden hilft Ihnen, die Grundlagen des maschinellen Lernens (ML) zu erlernen und zeigt Ihnen, wie Sie C++-Bibliotheken nutzen können, um das Beste aus Ihren Daten herauszuholen. Dieses Buch erleichtert Anfängern das maschinelle Lernen mit C++ durch seinen beispielbasierten Ansatz und zeigt anhand von Beispielen aus der Praxis, wie überwachte und unüberwachte ML-Algorithmen implementiert werden können.
In diesem Buch erfahren Sie, wie Sie ein Modell für verschiedene Anwendungsfälle abstimmen und optimieren können, und es unterstützt Sie bei der Modellauswahl und der Messung der Leistung. Sie werden Techniken wie Produktempfehlungen, Ensemble-Lernen und die Erkennung von Anomalien mit modernen C++-Bibliotheken wie PyTorch C++ API, Caffe2, Shogun, Shark-ML, mlpack und dlib behandeln. Als Nächstes werden Sie neuronale Netze und Deep Learning anhand von Beispielen wie Bildklassifizierung und Stimmungsanalyse erkunden, die Ihnen bei der Lösung verschiedener Probleme helfen werden. Später lernen Sie, wie Sie die Herausforderungen der Produktion und des Einsatzes auf mobilen und Cloud-Plattformen meistern, bevor Sie erfahren, wie Sie Modelle mit dem ONNX-Format exportieren und importieren können.
Am Ende dieses C++-Buches werden Sie über reale Kenntnisse des maschinellen Lernens und von C++ sowie über die Fähigkeiten verfügen, C++ zum Aufbau leistungsfähiger ML-Systeme zu verwenden.
Was Sie lernen werden
⬤ Erforschen Sie, wie Sie verschiedene Datentypen in geeignete C++-Datenstrukturen laden und vorverarbeiten können.
⬤ Anwendung der wichtigsten Algorithmen für maschinelles Lernen mit verschiedenen C++-Bibliotheken.
⬤ Verstehen Sie den Grid-Search-Ansatz, um die besten Parameter für ein maschinelles Lernmodell zu finden.
⬤ Implementieren eines Algorithmus zur Filterung von Anomalien in Benutzerdaten unter Verwendung der Gauß-Verteilung.
⬤ Verbesserung der kollaborativen Filterung, um mit dynamischen Benutzerpräferenzen umgehen zu können.
⬤ Verwendung von C++-Bibliotheken und APIs zur Verwaltung von Modellstrukturen und Parametern.
⬤ Implementierung eines C++-Programms zur Lösung von Bildklassifizierungsaufgaben mit der LeNet-Architektur.
Für wen ist dieses Buch gedacht?
Dieses Buch über maschinelles Lernen in C++ wird für Sie nützlich sein, wenn Sie mit Algorithmen und Techniken des maschinellen Lernens unter Verwendung der beliebten Sprache C++ beginnen möchten. Dieses Buch ist nicht nur ein nützlicher erster Kurs in maschinellem Lernen mit C++, sondern auch für Datenanalysten, Datenwissenschaftler und Entwickler von maschinellem Lernen, die verschiedene Modelle des maschinellen Lernens anhand verschiedener Datensätze und Beispiele in der Produktion implementieren möchten. Arbeitskenntnisse der Programmiersprache C++ sind für den Einstieg in dieses Buch erforderlich.
| ISBN: | 9781789955330 |
| Autor: | |
| Verlag: | |
| Einband: | Taschenbuch |
Derzeit verfügbar, auf Lager.
