Knjiga Mašinsko učenje uz PyTorch i Scikit-Learn, Sebastian Raschka, 770 strana

Knjiga Mašinsko učenje uz PyTorch i Scikit-Learn, Sebastian Raschka, 770 strana, B5

Mašinsko učenje uz PyTorch i Scikit-Learn je kompletan vodič za mašinsko učenje i duboko učenje pomoću biblioteke PyTorch. Služiće vam i kao prirunik za učenje i kao referenca koju ćete uvek koristiti dok gradite sisteme mašinskog učenja.

Naučićete sve osnovne tehnike mašinskog učenja zahvaljujući jasnim objašnjenjima, vizuelizacijama i primerima. Dok ste uz neke knjige primorani da slepo sledite uputstva, uz ovu knjigu o mašinskom učenju shvatićete principe koji vam omogućavaju da sami gradite modele i aplikacije.

Ova knjiga je ažurirana tako da obuhvata duboko učenje upotrebom biblioteke PyTorch i predstavlja čitaocima najnovije dodatke biblioteci scikit-learn. Uz to, ova knjiga objašnjava različite tehnike mašinskog učenja i dubokog učenja za klasifikaciju teksta i slika. Takođe ćete učiti o generativnim suparničkim mrežama (GAN) za generisanje novih podataka i inteligentnim agentima za obuku uz učenje uslovljavanjem. Konačno, ovo novo, prošireno, izdanje obuhvata najnovije trendove dubokog učenja, uključujući grafovske neuronske mreže i transformatore velikih razmera koji služe za obradu govornog jezika (NLP).

Ova knjiga o biblioteci PyTorch biće vaš kompanjon za mašinsko učenje u programskom jeziku Python, bilo da ste Python programer koji tek počinje da se bavi mašinskim učenjem ili želite da produbite svoje znanje o najnovijim dostignućima.

Uveren sam da će vam ova knjiga biti od neprocenjive vrednosti i kao opširan pregled uzbudljive oblasti mašinskog učenja i kao riznica praktičnih uvida. Nadam se da će vas inspirisati da primenite mašinsko učenje za opšte dobro u bilo kom području koje vam zadaje probleme.

Dmitro Dzhulgakov

PyTorch Core Maintainer

Šta ćete naučiti

– Istraživanje radnih okvira, modela i tehnika za mašinsko ’učenje’ iz podataka

– Upotrebu biblioteke scikit-learn za mašinsko učenje i biblioteke PyTorch za duboko učenje

– Obučavanje klasifikatora mašinskog učenja slikama, tekstom i drugim

– Izgradnju i obučavanje neuronskih mreža, transformatora i grafovskih neuronskih mreža

– Predviđanje kontinuiranih ciljnih ishoda pomoću regresione analize

– Otkrivanje detalja tekstualnih podataka i podataka društvenih medija pomoću analize mišljenja

Tehničke karakteristike

• Naslov: Mašinsko učenje uz PyTorch i Scikit-Learn
• Autor: Sebastian Raschka
• Izdavač: Agencija Eho / InfoElektronika
• Oblast: Računari/ Internet/ Programiranje, Veštačka inteligencija/ Mašinsko učenje
• Broj strana: 770
• Format: B5
• Povez: meki
• Masa: 1210 g
• ISBN: 978-86-73105-77-2
• Ključne reči: Mašinsko učenje, veštačka inteligencija, PyTorch, Scikit-Learn

Detaljan opis

1. Kako da računarima pružite mogućnost da uče iz podataka
2. Obučavanje jednostavnih algoritama mašinskog učenja za klasifikaciju
3. Predstavljanje klasifikatora mašinskog učenja pomoću biblioteke scikit-learn
4. Izgradnja dobrih skupova podataka za obuku – pretproceriranje podataka
5. Kompresovanje podataka upotrebom redukcije dimenzionalnosti
6. Kombinovanje različitih modela za učenje u ansamblu
7. Primena mašinskog učenja na analizu mišljenja
8. Predviđanje kontinuiranih ciljnih promenljivih pomoću regresione analize
9. Upotreba neoznačenih podataka – analiza klasterovanja
10. Implementiranje višeslojnih veštačkih neuronskih mreža od nule
11. Paralelizacija obuke neuronske mreže pomoću radnig okvira PyTorch
12. Detaljnije – mehanika radnog okvira PyTorch
13. Klasifikacija slika pomoću dubokih konvolutivnih neuronskih mreža
14. Modelovanje sekvencijalnih podataka korišćenjem rekurentnih neuronskih mreža
15. Transformatori – Poboljšanje obrade govornog jezika pomoću mehanizma pažnje
16. Generativne suparničke mreže za sintetizovanje novih podataka
17. Grafovske neuronske mreže za otkrivanje zavisnosti u grafički strukturiranim podacima

Učenje uslovljavanjem za donošenje odluka u kompleksnim okruženjima

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.