Învățarea automată cu Tensorflow

Recenzii ale cititorilor

Cartea este apreciată pentru abordarea sa practică a învățării automate și a TensorFlow, cu explicații clare și cod bine comentat. Mulți recenzenți o recomandă ca o resursă de pornire utilă pentru noii veniți în domeniu. Cu toate acestea, a fost criticată pentru că este prea simplistă, lipsită de fundamente matematice și conține exemple învechite care nu funcționează cu cele mai recente versiuni TensorFlow. Unii utilizatori au găsit scrierea dezarticulată și au considerat că se pot găsi informații mai bune online.

⬤ Introducere practică
⬤ bine organizată
⬤ explicații clare
⬤ exemple excelente cu cod adnotat
⬤ potrivită pentru începători
⬤ stil de predare cu picioarele pe pământ
⬤ bună pentru a pune cap la cap cunoștințele existente.

⬤ Prea de bază pentru utilizatorii experimentați
⬤ lipsește rigoarea matematică
⬤ exemple învechite și rupte
⬤ unii consideră că scrierea este slabă și sinuoasă
⬤ a doua jumătate se concentrează prea mult pe subiecte mai simple în loc de specificul TensorFlow.

(pe baza a 22 recenzii ale cititorilor)

Titlul original:

Machine Learning with Tensorflow

Conținutul cărții:

Rezumat

Machine Learning with TensorFlow oferă cititorilor o bază solidă în conceptele de învățare automată plus experiență practică în codificarea TensorFlow cu Python.

Cumpărarea cărții tipărite include o carte electronică gratuită în format PDF, Kindle și ePub de la Manning Publications.

Despre tehnologie

TensorFlow, biblioteca Google pentru învățarea automată la scară largă, simplifică calculele adesea complexe prin reprezentarea lor sub formă de grafice și prin maparea eficientă a unor părți ale grafurilor la mașinile dintr-un cluster sau la procesoarele unei singure mașini.

Despre carte

Machine Learning with TensorFlow oferă cititorilor o bază solidă în conceptele de învățare automată plus experiență practică în codificarea TensorFlow cu Python. Veți învăța elementele de bază lucrând cu algoritmi clasici de predicție, clasificare și grupare. Apoi, veți trece la capitolele cu bani: explorarea conceptelor de învățare profundă, cum ar fi autoencoderii, rețelele neuronale recurente și învățarea prin consolidare. Parcurgeți această carte și veți fi gata să utilizați TensorFlow pentru propriile aplicații de învățare automată și de învățare profundă.

Ce este în interior

⬤ Apariția sarcinilor dvs. la abordările corecte de învățare automată și învățare profundă.

⬤ Vizualizarea algoritmilor cu TensorBoard.

⬤ Înțelegerea și utilizarea rețelelor neuronale.

Despre cititor

Scris pentru dezvoltatori cu experiență în Python și concepte algebrice precum vectori și matrici.

Despre autor

Autorul Nishant Shukla este un cercetător în domeniul viziunii computerizate axat pe aplicarea tehnicilor de învățare automată în robotică.

Editorul tehnic principal, Kenneth Fricklas, este un dezvoltator experimentat, autor și practician în domeniul învățării automate.

Tabla de conținut

PARTEA 1 - ECHIPAMENTUL DVS. DE ÎNVĂȚARE AUTOMATĂ.

⬤ O odisee a învățării automate.

⬤ TensorFlow essentials.

PARTEA 2 - ALGORITMI DE ÎNVĂȚARE DE BAZĂ.

⬤ Regresia liniară și nu numai.

⬤ O introducere ușoară în clasificare.

⬤ Automatizarea grupării datelor.

⬤ Modele Markov ascunse.

PARTEA 3 - PARADIGMA REȚELELOR NEURONALE.

⬤ O privire în autoencodere.

⬤ Învățarea prin întărire.

⬤ Rețele neuronale evolutive.

⬤ Rețele neuronale recurente.

⬤ Modele de la secvență la secvență pentru chatbots.

⬤ Peisajul utilităților.