Učenie genetických algoritmov s Pythonom: Vychytávky: Posilnite výkonnosť modelov strojového učenia a umelej inteligencie pomocou možností výkonného vyhľadávacieho algoritmu

Hodnotenie:   (4,6 z 5)

Učenie genetických algoritmov s Pythonom: Vychytávky: Posilnite výkonnosť modelov strojového učenia a umelej inteligencie pomocou možností výkonného vyhľadávacieho algoritmu (Ivan Gridin)

Recenzie čitateľov

Zhrnutie:

Kniha poskytuje komplexný úvod do genetických algoritmov (GA) s využitím jazyka Python, vhodný pre tých, ktorí majú základné znalosti programovania v jazyku Python. Pokrýva rôzne témy od základných pojmov až po pokročilé aplikácie, pričom ponúka jasné vysvetlenia a praktické príklady kódu, hoci sa nemusí ponárať hlboko do teórie.

Výhody:

Dobre napísaná a prehľadná
pokrýva široké spektrum GA
cenné príklady z reálneho sveta
jasné vysvetlenia
dobré úryvky kódu
k dispozícii kód na stiahnutie
vhodná pre tých, ktorí poznajú Python.

Nevýhody:

Nie je pre začiatočníkov v Pythone
nemusí poskytovať hĺbkové teoretické spracovanie
len úryvky príkladov, chýba kompletný úvod do Pythonu.

(na základe 6 čitateľských recenzií)

Pôvodný názov:

Learning Genetic Algorithms with Python: Empower the performance of Machine Learning and AI models with the capabilities of a powerful search algorith

Obsah knihy:

Doplňte svoje modely AI a aplikácie ML vysokokvalitnými optimalizačnými a vyhľadávacími riešeniami

Kľúčové funkcie

⬤ Kompletné pokrytie praktickej implementácie genetických algoritmov.

⬤ Intuitívne vysvetlenia a vizualizácie poskytujú teoretické koncepty.

⬤ Pridané príklady a prípady použitia týkajúce sa výkonnosti genetických algoritmov.

⬤ Použitie knižníc jazyka Python a výklenkové pokrytie optimalizácie výkonnosti genetických algoritmov.

Popis

Genetické algoritmy sú jednou z najjednoduchších a najvýkonnejších techník používaných v strojovom učení. Táto kniha "Učenie genetických algoritmov s jazykom Python" vedie čitateľa priamo od základov genetických algoritmov až po ich reálnu praktickú implementáciu v produkčných prostrediach.

Každá z kapitol poskytuje čitateľovi intuitívne pochopenie jednotlivých konceptov. Naučíte sa, ako vytvoriť genetický algoritmus od základov a implementovať ho v reálnych problémoch. Pokryté praktickými ilustrovanými príkladmi sa naučíte navrhovať a vyberať najlepšiu architektúru modelu pre konkrétne úlohy. Na špičkových príkladoch, ako sú problémové úlohy radaru a futbalového manažéra, sa naučíte riešiť úlohy s vysokými rozmermi veľkých dát pomocou spôsobov optimalizácie genetických algoritmov.

Čo sa naučíte

⬤ Pochopenie mechanizmu genetických algoritmov pomocou populárnych knižníc jazyka Python.

⬤ Zoznámiť princípy a architektúru genetických algoritmov.

⬤ Aplikovať a riešiť problémy plánovania, rozvrhovania a analýzy v podnikových aplikáciách.

⬤  Odborné učenie základných pojmov, ako je selekcia, mutácia a kríženie.

Pre koho je táto kniha určená

Kniha je určená pre tím dátovej vedy, analytický tím, inžinierov umelej inteligencie, odborníkov na ML, ktorí chcú integrovať genetické algoritmy na dopĺňanie svojich aplikácií ML a AI. Nie sú potrebné žiadne špeciálne odborné znalosti o strojovom učení, hoci sa očakáva základná znalosť jazyka Python.

Obsah

1. Úvod.

2. Priebeh genetického algoritmu.

3. Výber.

4. Kríženie.

5. Mutácia.

6. Účinnosť.

7. Ladenie parametrov.

8. Funkcia čiernej skrinky.

9. Kombinatorická optimalizácia: Binárne kódovanie génov.

10. Kombinatorická optimalizácia: Kódovanie usporiadaných génov.

11. Ďalšie bežné problémy.

12. Adaptívny genetický algoritmus.

13. Zlepšenie výkonu.

O autorovi

Ivan Gridin je matematik, fullstack vývojár, dátový vedec a expert na strojové učenie žijúci v Moskve v Rusku. V priebehu rokov pracoval na distribučných systémoch s vysokou záťažou a v praxi implementoval rôzne prístupy strojového učenia. Jednou z kľúčových oblastí jeho výskumu je návrh a analýza prediktívnych modelov časových radov.

Ivan má základné matematické zručnosti v oblasti teórie pravdepodobnosti, teórie náhodných procesov, analýzy časových radov, strojového učenia, hlbokého učenia a optimalizácie. Má tiež hlboké znalosti a porozumenie rôznych programovacích jazykov, ako sú Java, Python, PHP a MATLAB.

Je milujúcim otcom, manželom a zberateľom starých matematických kníh.

LinkedIn profil: www.linkedin.com/in/survex.

Odkazy na blog: https: //www.facebook.com/ivan. gridin/.

Ďalšie údaje o knihe:

ISBN:9788194837756
Autor:
Vydavateľ:
Väzba:Mäkká väzba

Nákup:

Momentálne k dispozícii, na sklade.

Ďalšie knihy autora:

Učenie genetických algoritmov s Pythonom: Vychytávky: Posilnite výkonnosť modelov strojového učenia...
Doplňte svoje modely AI a aplikácie ML...
Učenie genetických algoritmov s Pythonom: Vychytávky: Posilnite výkonnosť modelov strojového učenia a umelej inteligencie pomocou možností výkonného vyhľadávacieho algoritmu - Learning Genetic Algorithms with Python: Empower the performance of Machine Learning and AI models with the capabilities of a powerful search algorith
Automatizované hlboké učenie pomocou inteligencie neurónových sietí: Vývoj a návrh modelov Pytorch a...
Optimalizujte, vyvíjajte a navrhujte modely...
Automatizované hlboké učenie pomocou inteligencie neurónových sietí: Vývoj a návrh modelov Pytorch a Tensorflow pomocou jazyka Python - Automated Deep Learning Using Neural Network Intelligence: Develop and Design Pytorch and Tensorflow Models Using Python
Practical Deep Reinforcement Learning with Python (Hlboké posilňovacie učenie s Pythonom v praxi):...
Predstavujeme praktický vývoj inteligentných...
Practical Deep Reinforcement Learning with Python (Hlboké posilňovacie učenie s Pythonom v praxi): Stručná implementácia algoritmov, zjednodušená matematika a efektívne využitie TensorFlow a PyTorch - Practical Deep Reinforcement Learning with Python: Concise Implementation of Algorithms, Simplified Maths, and Effective Use of TensorFlow and PyTorch

Diela autora vydali tieto vydavateľstvá:

© 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)