Машинное обучение с помощью Go

Придайте дополнительный уровень интеллекта своим приложениям Go с помощью машинного обучения и искусственного интеллекта.

Основные особенности:

Создавайте простые, удобные в обслуживании и легко развертываемые приложения машинного обучения с помощью популярных пакетов Go. Изучите статистику, алгоритмы и методы реализации машинного обучения. Преодолейте типичные проблемы, возникающие при развертывании и масштабировании рабочих процессов машинного обучения.

Книга Описание:

В этом обновленном издании популярного руководства Machine Learning With Go показано, как преодолеть распространенные проблемы интеграции кода анализа и машинного обучения в существующей инженерной организации.

Machine Learning With Go Go, второе издание, начнет с того, что поможет вам понять, как собирать, организовывать и анализировать реальные данные из различных источников. В книге также представлен полный обзор разработки революционных конвейеров машинного обучения, включая прогнозные модели, визуализацию данных и статистические методы. Далее вы узнаете, как тщательно использовать библиотеки Golang, включая golearn, gorgonia, gosl, hector и mat64. Вы откроете для себя различные возможности TensorFlow, а также построите простые нейронные сети и интегрируете их в модели машинного обучения. Вы также получите практический опыт реализации основных методов машинного обучения, таких как регрессия, классификация и кластеризация, с помощью соответствующих пакетов Go. Кроме того, вы познакомитесь с различными инструментами Go, которые помогут вам создавать глубокие нейронные сети. Наконец, вы хорошо разбираетесь в лучших практиках настройки и оптимизации моделей машинного обучения.

К концу книги у вас будет прочное мышление в области машинного обучения и мощный набор инструментов Go, состоящий из техник, пакетов, и примеры реализации

Что вы узнаетеХорошо разбираетесь в обработке, анализе и очистке данных с помощью пакетов GoНаучитесь собирать данные из различных источников и в различных реальных форматахВыполнять регрессию, классификацию и обработку изображений с помощью нейронных сетейОценить и обнаруживать аномалии в модели временных рядов. Понимать общие архитектуры глубокого обучения, чтобы узнать, как строится каждая модель. Узнайте, как оптимизировать, создавать и масштабировать рабочие процессы машинного обучения. Узнайте о лучших методах настройки модели машинного обучения для успешного развертывания.

Кто это Книга предназначена для:

Эта книга в первую очередь предназначена для программистов Go, которые хотят стать инженером по машинному обучению и сформировать прочное мышление в области машинного обучения, а также хорошо владеть пакетами Go. Это также полезно для аналитиков данных, инженеров данных и пользователей машинного обучения, которые хотят проводить эксперименты по машинному обучению с использованием экосистемы Go. Чтобы получить пользу от этой книги, необходимо предварительное понимание линейной алгебры.

Дэниел Уайтнак — дипломированный специалист по данным с докторской степенью и более чем 10-летним опытом работы над приложениями с интенсивным использованием данных в промышленности и научных кругах. Дэниел сосредоточил свои усилия по разработке на проектах с открытым исходным кодом, связанных с недавним запуском машинного обучения (ML) и искусственного интеллекта (AI) в облачной инфраструктуре (например, Kubernetes), обеспечении воспроизводимости и происхождения для сложных конвейеров данных, а также реализации ML/ Методы ИИ в новых языках, таких как Go. Дэниел является соведущим подкаста «Практический искусственный интеллект», преподает науку о данных и инженерию в Ardan Labs и Университете Пердью, а также выступал на конференциях по всему миру (включая ODSC, PyCon, DataEngConf, QCon, GopherCon, Spark Summit и Applied ML Days, среди которых другие). Джанани Сельварадж работает старшим консультантом по исследованиям и аналитике в стартапе в Тричи, штат Тамил Наду. Она закончила математику и имеет докторскую степень в области экологического менеджмента. В настоящее время ее интересы включают обработку и визуализацию данных, машинное обучение и геопространственное моделирование. В настоящее время она обучает студентов науке о данных и работает консультантом в нескольких проектах, основанных на данных, в различных областях. Она является экспертом по R-программированию и основателем группы R-Ladies Trichy, группы, которая продвигает гендерное разнообразие. Она была рецензентом книги «Проекты Go-Machine Learning».

ПРИМЕЧАНИЕ: КНИГА В ЦИФРОВОЙ ФОРМЕ.

После покупки продукт будет доступен для скачивания в вашей учетной записи Allegro, кроме того, на электронную почту будет отправлено письмо с ссылку для скачивания файлов (проверьте также папку «Спам»).

Чтобы скачать электронную книгу, авторизуйтесь на сайте Allegro, перейдите на страницу заказа «Мои покупки» и далее сверху меню выберите:

"Покупки" -> "Электронные книги" -> "Моя полка".

Каждая электронная книга защищена индивидуальным водяным знаком, содержащим данные покупателя, указанные на сайте. Аллегро.

Электронная книга будет доступна после получения оплаты нашей системой.