Машинное обучение — одна из самых увлекательных технологий современности — разработкой различных приложений для него занимаются такие гиганты, как Google, Facebook, Apple, Amazon и IBM. Машинное обучение открывает совершенно новые возможности и постепенно становится незаменимым: достаточно упомянуть голосовых помощников в смартфонах, чат-ботов, которые помогают клиентам выбирать продукт, а также сети, которые облегчают принятие решений об инвестициях в акции, фильтруют нежелательные электронные письма или поддерживают медицинскую диагностику. — это подробное руководство по машинному обучению и глубокому обучению на Python. Он содержит подробное обсуждение наиболее важных методов машинного обучения и тщательное объяснение принципов, лежащих в основе этой технологии. Отдельные вопросы иллюстрируются множеством пояснений, визуализаций и примеров, что значительно облегчает понимание материала и быстро приступает к самостоятельному созданию приложений и моделей, например, используемых для классификации изображений, обнаружения скрытых закономерностей или извлечения дополнительной информации из данных. . Третье издание было обновлено и теперь включает описание библиотеки TensorFlow 2 и последние дополнения к библиотеке scikit-learn. Также добавлено введение в два инновационных метода: обучение с подкреплением и построение генеративно-состязательных сетей (GAN). Книга включает, среди прочего, платформы, модели и методы машинного обучения, использование библиотек scikit-learn и TensorFlow. нейронные сети, GAN и другая подготовка данных для моделей, машинное обучение, оценка и настройка моделей анализа: регрессия, кластеризация и сентиментальность. Глубокое обучение с помощью Python: понять и применить!