Капело, Луис. Прикладное глубокое обучение с помощью Python: используйте scikit-learn, TensorFlo


Код: 17951039628
6818 грн
Цена указана с доставкой в Украину
Товар есть в наличии
КАК ЭКОНОМИТЬ НА ДОСТАВКЕ?
Заказывайте большое количество товаров у этого продавца
Информация
  • Время доставки: 7-10 дней
  • Состояние товара: новый
  • Доступное количество: 9

Оплачивая «Капело, Луис. Прикладное глубокое обучение с помощью Python: используйте scikit-learn, TensorFlo» данный товар из каталога «Физика, астрономия», вы можете получить дополнительную скидку 4%, если произведете 100% предоплату. Размер скидки вы можете увидеть сразу при оформлении заказа на сайте. Внимание!!! Скидка распространяется только при заказе через сайт.

Прикладное глубокое обучение с помощью Python: используйте scikit-learn, TensorFlow и Keras для создания интеллектуальных систем и решений машинного обучения

Описание:

Описание продукта Практическое руководство по глубокому обучению, наполненное интуитивными объяснениями и интересными практическими примерами. Ключевые особенности

Предназначен для итеративного развития навыков пользователей Python, не имеющих опыта работы с данными. Охватывает ключевые фундаментальные концепции, которые вам необходимо знать при создании систем глубокого обучения. Полно пошаговых упражнений и занятий, которые помогут развить навыки, необходимые для реальной работы

Описание книги Применяя подход, использующий новейшие разработки в экосистеме Python, вы сначала ознакомитесь с экосистемой Jupyter, ключевыми библиотеками визуализации и мощными методами очистки данных, прежде чем мы обучим нашу первую прогнозирующую модель. Мы рассмотрим различные подходы к классификации, такие как сети опорных векторов, леса случайных решений и k-ближайшие соседи, чтобы лучше понять их, прежде чем мы перейдем к более сложной области. Ничего страшного, если эти термины кажутся непосильными; мы покажем вам, как заставить их работать. Мы будем опираться на нашу классификацию, кратко рассмотрев этический парсинг веб-страниц и интерактивные визуализации, которые помогут вам профессионально собрать и представить свой анализ. Именно после этого мы приступаем к созданию нашего ключевого приложения глубокого обучения, целью которого является прогнозирование будущей цены Биткойна на основе исторических общедоступных данных. Проводя вас через обученную нейронную сеть, мы изучим распространенные архитектуры сетей глубокого обучения (сверточную, рекуррентную, генеративно-состязательную) и перейдем к глубокому обучению с подкреплением, прежде чем углубимся в оптимизацию и оценку модели. Мы сделаем все это, работая над готовым к использованию веб-приложением, которое сочетает в себе Tensorflow и Keras для получения значимого и удобного для пользователя результата, предоставляя вам все навыки, необходимые для уверенной и эффективной разработки собственных реальных проектов глубокого обучения. Что вы узнаете

Узнайте, как можно собирать и очищать собственные наборы данных Разработайте индивидуальную стратегию классификации машинного обучения Создавайте, обучайте и улучшайте свои собственные модели для решения уникальных задач. Работайте с готовыми к использованию фреймворками, такими как Tensorflow и Keras. Объясните, как работают нейронные сети, в ясных и простых терминах. Узнайте, как разместить свои прогнозы в Интернете

Для кого предназначена эта книга Если вы программист Python, вступающий в мир науки о данных, это идеальный способ начать работу. Оглавление

Основы Jupyter Очистка данных и расширенное машинное обучение Веб-скрапинг и интерактивная визуализация Введение в нейронные сети и глубокое обучение Модельная архитектура Оценка модели Производство

Об авторе Алекс Галеа профессионально занимается аналитикой данных с момента получения степени магистра физики в Университете Гвельфа, Канада. Он проявил большой интерес к Python во время исследования квантовых газов в рамках своей аспирантуры. В настоящее время Алекс занимается аналитикой веб-данных, где Python продолжает играть ключевую роль в его работе. Он часто пишет в блогах о проектах, ориентированных на данные, в которых используются Python и Jupyter Notebook. Луис Капело — аналитик и программист, получивший образование в Гарварде, который специализируется на проектировании и разработке продуктов для обработки данных. Он базируется в Нью-Йорке, Америка. Луис — глава команды продуктов данных в Forbes, где они исследуют новые методы оптимизации производительности статей и создают умных ботов, которые помогают им распространять контент. Он работал в Организации Объединенных Наций в составе группы по обмену гуманитарными данными (основатели Центра гуманитарных данных). Позже он возглавил группу ученых в Flowminder Foundation, разрабатывающую модели помощи гуманитарному сообществу. Луис — уроженец Гаваны (Куба), основатель и владелец небольшой консалтинговой фирмы, занимающейся поддержкой зарождающегося кубинского частного сектора.

Обложка:Мягкая обложка

Количество страниц:322

Автор:Капело, Луис

Язык:Английский: Опубликовано; Английский: язык оригинала; английский

Дата выпуска:31 августа 2018 г.

Вес:0,97 грамма

Рост:0,4 см

Ширина:7,4 см

Длина:9 см

ПРИМЕЧАНИЕ. Приобретая товар на этом аукционе, вы соглашаетесь на продление срока доставки (10–14 рабочих дней). Данный товар поставляется с зарубежного склада, поэтому сроки доставки указаны ниже.