Knjiga Mašinsko učenje, Aurélien Géron, 798 strana

Knjiga Mašinsko učenje – Scikit-Learn, Keras i TensorFlow: koncepti, alati i tehnike za izgradnju inteligentnih sistema, Aurélien Géron, 798 strana, B5

Kroz seriju otkrića, duboko učenje dalo je zamah celom polju mašinskog učenja. Sada čak i programeri koji skoro ništa ne znaju o ovoj tehnologiji mogu da koriste jednostavne, efikasne alate za primenu programa sposobnih za učenje iz podataka. Ažurirano izdanje ove najprodavanije knjige koristi konkretne primere, minimalno teorije i Pythonove radne okvire spremne za upotrebu kako bi vam pomogli da steknete intuitivno razumevanje koncepata i alata za izgradnju inteligentnih sistema.
Naučićete niz tehnika koje možete brzo da upotrebite. Uz vežbe u svakom poglavlju koje će vam pomoći da primenite naučeno, sve što vam je potrebno je iskustvo programiranja da biste krenuli. Celokupan kôd je dostupan na GitHubu. Ažuriran je na TensorFlow 2 i najnoviju verziju Scikit-Learna.

• Naučite osnove mašinskog učenja kroz projekat od početka do kraja koristeći Scikit-Learn
• Izgradite i obučite razne arhitekture neuronskih mreža za klasifikaciju i regresiju koristeći TensorFlow 2
• Saznajte o detekciji objekata, semantičkoj segmentaciji, mehanizmima pažnje, jezičkim modelima, GAN-ovima i još mnogo toga
• Istražite Keras API, zvanični API visokog nivoa za TensorFlow 2
• Pustite u primenu modele TensorFlow koristeći TensorFlowov Data API, API strategije distribucije, TF Transform i TF-Serving
• Primenite na Google Cloud AI platformi ili na mobilnim uređajima
• Upotrebite tehnike nenadgledanog učenja, kao što su redukcija dimenzija, klasterovanje i otkrivanje anomalija
• Stvorite samostalne agente za učenje pomoću forsiranog učenja, uz korišćenje biblioteke TF

Tehničke karakteristike

• Naslov: Mašinsko učenje
• Podnaslov: Scikit-Learn, Keras i TensorFlow: koncepti, alati i tehnike za izgradnju inteligentnih sistema
• Autor: Aurélien Géron
• Izdavač: Agencija Eho / InfoElektronika
• Oblast: Računari/ Internet/ Programiranje, Veštačka inteligencija/ Mašinsko učenje
• Broj strana: 798
• Format: B5
• Povez: meki
• Masa: 1290 g
• ISBN: 9788675554493
• Ključne reči: Algoritam, veštačka inteligencija, Mašinsko učenje, Neuronske mreže, Q-Learning

Sadržaj knjige

• Deo I Osnove mašinskog učenja
• Pejzaž mašinskog učenja, 3
• Projekat mašinskog učenja od početka do kraja, 37
• Klasifikacija, 85
• Obučavanje modela, 109
• Mašine sa vektorima podrške, 147
• Stabla odluka, 167
• Učenje u ansamblu i nasumične šume, 179
• Redukcija dimenzionalnosti, 203
• Tehnike nenadgledanog učenja, 223
• Deo II Neuronske mreže i duboko učenje
• Uvod u veštačke neuronske mreže sa Kerasom, 265
• Obuka dubokih neuronskih mreža, 313
• Namenski modeli i obuka pomoću TensorFlowa, 355
• Učitavanje i predobrada podataka u TensorFlowu, 389
• Doboki kompjuterski vid upotrebom konvolucionih neuronskih mreža, 419
• Obrada sekvenci pomoću RNN i CNN, 467
• Obrada govornog jezika pomoću RNN i pažnje, 493
• Reprezentativno učenje i generativno učenje pomoću
• automatskih kodera i GAN-ova, 531
• Forsirano učenje, 569
• Obuka i uvođenje u primenu modela TensorFlow po meri, 621
• Rešenja vežbi, 669
• Kontrolna lista projekta mašinskog učenja, 703
• Problem dualnosti SVM, 709
• Autodiff , 713
• Ostale popularne arhitekture veštačkih neuronskih mreža, 721
• Specijalne strukture podataka, 731
• TensorFlow grafovi, 737
• Dodaci
• A Rešenja vežbi, 669
• B Kontrolna lista projekta mašinskog učenja, 703
• C Problem dualnosti SVM, 709
• D Autodiff, 713
• E Ostale popularne arhitekture veštačkih neuronskih mreža, 721
• F Specijalne strukture podataka, 731
• G TensorFlow grafovi, 737
• Rečnik termina korišćenih u knjizi, 745
• Indeks, 753

Dokumentacija

• Sadržaj knjige (PDF)

Primena

Knjiga je namenjena programerima, studentima informatike, IT profesionalcima i svima koji žele da savladaju ovu oblast kroz praktične primere. Pogodna je za samostalno učenje, kao priručnik za svakodnevni rad i kao dopunska literatura u nastavi.