Hodnotenie:
Kniha je vysoko cenená ako komplexný sprievodca strojovým učením so silným zameraním na praktické aplikácie s využitím programov PyTorch a Scikit-Learn. Recenzenti oceňujú jej dôkladnosť, praktický prístup a integráciu matematických konceptov v stráviteľnej forme. Určitá kritika sa však objavuje v súvislosti s jej prezentáciou, najmä s použitím čiernobielej grafiky, ktorú niektorí čitatelia považujú za menej pútavú.
Výhody:⬤ Dôkladné pokrytie konceptov strojového učenia
⬤ praktické príklady kódu
⬤ praktický prístup k učeniu
⬤ dôkladné základy teórie aj aplikácie
⬤ dobre citované odkazy na ďalšie štúdium
⬤ vhodné pre rôzne úrovne znalostí od začiatočníkov až po pokročilých praktikov.
⬤ Problémy s prezentáciou čiernobielej grafiky
⬤ niektorí čitatelia očakávali väčšiu hĺbku konkrétnych tém
⬤ občasná kritika rozloženia knihy alebo chýbajúce úvodné časti
⬤ na úplné pochopenie sú potrebné určité technické znalosti.
(na základe 87 čitateľských recenzií)
Machine Learning with PyTorch and Scikit-Learn: Develop machine learning and deep learning models with Python
kniha PyTorch z najpredávanejšej a uznávanej série o strojovom učení v jazyku Python rozšírená o transformátory, XGBoost a grafové neurónové siete
Kľúčové vlastnosti:
⬤ Učte sa aplikované strojové učenie s pevným základom v teórii.
⬤ Jasné, intuitívne vysvetlenia vás zavedú hlboko do teórie a praxe strojového učenia v jazyku Python.
⬤ Úplne aktualizované a rozšírené o PyTorch, transformátory, XGBoost, grafové neurónové siete a osvedčené postupy.
Popis knihy:
Strojové učenie s PyTorchom a Scikit-Learnom je komplexný sprievodca strojovým učením a hlbokým učením s PyTorchom. Pôsobí ako výukový program krok za krokom a zároveň ako referencia, ku ktorej sa budete vracať pri budovaní systémov strojového učenia.
Táto kniha, plná jasných vysvetlení, vizualizácií a príkladov, sa podrobne zaoberá všetkými základnými technikami strojového učenia. Zatiaľ čo v niektorých knihách sa učíte iba postupovať podľa návodov, v tejto knihe o strojovom učení vás naučíme princípy, na základe ktorých budete sami vytvárať modely a aplikácie.
Táto kniha, aktualizovaná o hlboké učenie pomocou PyTorchu, tiež predstavuje čitateľom najnovšie prírastky do scikit-learn. Okrem toho sa táto kniha zaoberá rôznymi technikami strojového učenia a hlbokého učenia na klasifikáciu textov a obrázkov. Dozviete sa aj o generatívnych adverzných sieťach (GAN) na generovanie nových údajov a trénovanie inteligentných agentov pomocou posilňovania učenia. Napokon je toto nové vydanie rozšírené aj o najnovšie trendy v hlbokom učení vrátane úvodu do grafových neurónových sietí a rozsiahlych transformátorov používaných na spracovanie prirodzeného jazyka (NLP).
Táto kniha PyTorch je vaším spoločníkom strojového učenia s jazykom Python, či už ste vývojár v jazyku Python, ktorý sa so strojovým učením začína zaoberať, alebo si chcete prehĺbiť svoje znalosti o najnovšom vývoji.
Čo sa naučíte:
⬤ Preskúmajte rámce, modely a techniky pre stroje, ktoré sa "učia" z údajov.
⬤ Používajte scikit-learn na strojové učenie a PyTorch na hlboké učenie.
⬤ Trénovať klasifikátory strojového učenia na obrázkoch, texte a ďalších.
⬤ Stavať a trénovať neurónové siete, transformátory a grafové neurónové siete.
⬤ Objavte osvedčené postupy na vyhodnocovanie a ladenie modelov.
⬤ Predpovedať spojité cieľové výsledky pomocou regresnej analýzy.
⬤ Hlbšie preskúmajte textové údaje a údaje zo sociálnych médií pomocou analýzy nálad.
Pre koho je táto kniha určená:
Ak ovládate jazyk Python a chcete používať strojové učenie a hlboké učenie, vezmite si túto knihu. Či už chcete začať od nuly, alebo rozšíriť svoje znalosti strojového učenia, toto je základný zdroj informácií.
Napísaná pre vývojárov a dátových vedcov, ktorí chcú vytvárať praktické strojové učenie pomocou kódu Python a PyTorch deep learning. Táto kniha o jazyku Python je ideálna pre každého, kto chce naučiť počítače učiť sa z dát.
Pracovná znalosť programovacieho jazyka Python spolu s dobrou znalosťou kalkulu a lineárnej algebry je nevyhnutnosťou.
© Book1 Group - všetky práva vyhradené.
Obsah tejto stránky nesmie byť kopírovaný ani použitý čiastočne alebo v celku bez písomného súhlasu vlastníka.
Posledná úprava: 2024.11.13 22:11 (GMT)