Algoritmi genetici practici cu Python

Recenzii ale cititorilor

Cartea este foarte apreciată pentru că este o introducere cuprinzătoare, dar concisă în algoritmii genetici (GA), potrivită în special pentru începători cu cunoștințe de bază de Python. Cititorii îi apreciază claritatea, directețea și exemplele practice, ceea ce o face o resursă excelentă pentru aplicarea GA la provocări din lumea reală. Cu toate acestea, unii cititori consideră că îi lipsesc experiențele practice de codare la începutul textului și au observat probleme cu formatarea în versiunea Kindle.

⬤ Cuprinzător și concis
⬤ ușor de urmărit
⬤ introducere excelentă pentru noii veniți în GA
⬤ explicații clare ale conceptelor complexe
⬤ exemple practice folosind cadrul DEAP
⬤ puternic pentru aplicații practice în proiecte
⬤ vizualizări utile
⬤ accesibil și bine scris.

⬤ Lipsesc exemplele practice de codare în primele capitole
⬤ unele fragmente de cod sunt scoase din context și nu sunt explicate în detaliu
⬤ problemele de formatare ale Kindle fac lectura dificilă.

(pe baza a 12 recenzii ale cititorilor)

Titlul original:

Hands-On Genetic Algorithms with Python

Conținutul cărții:

Explorați lumea în continuă creștere a algoritmilor genetici pentru a rezolva sarcini legate de căutare, optimizare și inteligență artificială și pentru a îmbunătăți modelele de învățare automată utilizând biblioteci Python precum DEAP, scikit-learn și NumPy Caracteristici cheie Explorați intrările și ieșirile algoritmilor genetici cu acest ghid rapid Implementați sarcini precum selectarea caracteristicilor, optimizarea căutării și analiza clusterului utilizând Python Rezolvați probleme combinatorii, optimizați funcții și îmbunătățiți performanța aplicațiilor de inteligență artificială Descrierea cărții

Algoritmii genetici sunt o familie de algoritmi de căutare, optimizare și învățare inspirați de principiile evoluției naturale. Imitând procesul evolutiv, algoritmii genetici pot depăși obstacolele întâlnite în algoritmii de căutare tradiționali și pot oferi soluții de înaltă calitate pentru o varietate de probleme. Această carte vă va ajuta să vă familiarizați cu o abordare puternică, dar simplă, de aplicare a algoritmilor genetici la o gamă largă de sarcini utilizând Python, acoperind cele mai recente evoluții în inteligența artificială.

După prezentarea algoritmilor genetici și a principiilor lor de funcționare, veți înțelege în ce fel diferă de algoritmii tradiționali și ce tipuri de probleme pot rezolva. Veți descoperi apoi cum pot fi aplicați la probleme de căutare și optimizare, cum ar fi planificarea, programarea, jocurile și analiza. Pe măsură ce avansați, veți învăța, de asemenea, cum să utilizați algoritmii genetici pentru a vă îmbunătăți modelele de învățare automată și de învățare profundă, pentru a rezolva sarcini de învățare prin consolidare și pentru a efectua reconstrucția imaginilor. În cele din urmă, veți aborda mai multe tehnologii conexe care pot deschide noi posibilități pentru aplicații viitoare.

Până la sfârșitul acestei cărți, veți avea experiență practică în aplicarea algoritmilor genetici în inteligența artificială, precum și în numeroase alte domenii. Ce veți învăța Înțelegeți cum să utilizați instrumentele Python de ultimă generație pentru a crea aplicații bazate pe algoritmi genetici Utilizați algoritmi genetici pentru a optimiza funcții și pentru a rezolva probleme de planificare și programare Îmbunătățiți performanța modelelor de învățare automată și optimizați arhitectura rețelelor de învățare profundă Aplicați algoritmi genetici la sarcini de învățare prin consolidare utilizând OpenAI Gym Explorați modul în care imaginile pot fi reconstruite utilizând un set de forme semi-transparente Descoperiți alte tehnici de inspirație biologică, cum ar fi programarea genetică și optimizarea roiurilor de particule Cui se adresează această carte

Această carte se adresează dezvoltatorilor de software, cercetătorilor de date și pasionaților de inteligență artificială care doresc să utilizeze algoritmi genetici pentru a efectua sarcini inteligente în aplicațiile lor. Cunoștințele practice de Python și cunoștințele de bază de matematică și informatică vă vor ajuta să profitați la maximum de această carte. Table of Contents Introducere în algoritmii genetici Înțelegerea componentelor cheie ale algoritmilor genetici Utilizarea cadrului DEAP Optimizarea combinatorie Satisfacerea constrângerilor Optimizarea funcțiilor continue Îmbunătățirea modelelor de învățare automată utilizând selectarea caracteristicilor Reglarea hiperparametrilor Modele de învățare automată Optimizarea arhitecturii rețelelor de învățare profundă Învățarea prin consolidare cu algoritmi genetici Reconstrucția genetică a imaginilor Alte tehnici de calcul evolutiv și bioinspirat