Литература [Себастьян Рашка и др.] [БХВ] Машинное обучение с PyTorch и Scikit-Learn (2023)

[RobotPro]

Описание [Себастьян Рашка и др.] [БХВ] Машинное обучение с PyTorch и Scikit-Learn (2023):

Это подробное руководство по машинному и глубокому обучению с использованием Python, PyTorch и scikit-learn. В нём представлены основы машинного обучения, алгоритмы классификации, предварительная обработка данных, современные методы оценки моделей и ансамблевое обучение. Также описано применение машинного обучения для анализа текста, прогнозирования непрерывных переменных, кластерного анализа и обучения без учителя, создание многослойных искусственных нейронных сетей с нуля.
Книга раскрывает дополнительные возможности PyTorch для решения сложных задач, использование глубоких свёрточных и рекуррентных нейронных сетей, трансформаторов, генеративно-состязательных и графовых нейронных сетей. Особое внимание уделяется обучению с подкреплением для систем принятия решений в сложных условиях.
Вы научитесь разрабатывать модели машинного и глубокого обучения с помощью Python, фреймворка PyTorch и библиотеки scikit-learn. Книга подробно описывает основные методы машинного обучения, содержит чёткие объяснения, визуализации и примеры. Автор стремится научить вас принципам самостоятельного создания моделей и приложений, а не просто следовать инструкциям.
В руководстве освещаются новые дополнения к библиотеке scikit-learn, различные методы машинного и глубокого обучения для классификации текста и изображений, генеративно-состязательные сети (GAN) для синтеза данных и обучения интеллектуальных агентов. Также рассматриваются последние тенденции в области глубокого обучения, включая графовые нейронные сети и крупномасштабные преобразователи для обработки естественного языка (NLP).
Вы изучите фреймворки, модели и методы машинного обучения, применимые к различным задачам и наборам данных, библиотеку scikit-learn для машинного обучения и фреймворк PyTorch для глубокого обучения. Научитесь использовать классификаторы на изображениях, тексте и других данных, создавать и обучать нейронные сети, преобразователи и графические нейронные сети, применять передовые методы оценки и настройки моделей.
Сможете глубже понять прогнозирование непрерывных целевых результатов с помощью регрессионного анализа и особенности текстовых данных и данных из социальных сетей с помощью тонального анализа.

Подробнее:

Скачать курс [Себастьян Рашка и др.] [БХВ] Машинное обучение с PyTorch и Scikit-Learn (2023):