Mãos À Obra - Aprendizado De Máquina Com Scikit-learn & T
em 12x
Características principais
Título do livro | Mãos à obra |
---|---|
Subtítulo do livro | aprendizado de máquina com Scikit-Learn & TensorFlow |
Autor | Géron, Aurélien |
Idioma | Português |
Editora do livro | Alta Books |
Edição do livro | 1ª EDIÇÃO - 2019 |
Capa do livro | Mole |
Marca | ALTA BOOKS |
Outras características
Quantidade de páginas: 576
Subgêneros do livro: Computação
Tipo de narração: Manual
ISBN: 8550803812
Descrição
CONCEITOS, FERRAMENTAS E TÉCNICAS PARA A CONSTRUÇÃO DE SISTEMAS INTELIGENTES. Com uma série de recentes avanços, o aprendizado profundo impulsionou todo o campo do aprendizado de máquina. Agora, mesmo os programadores que pouco sabem sobre esta tecnologia podem utilizar ferramentas simples e eficientes para implementar programas capazes de aprender com dados. Este livro prático mostra como fazê-lo.Utilizando exemplos concretos, uma teoria mínima e duas estruturas Python prontas para produção - Scikit-Learn e TensorFlow - o autor Aurélien Géron ajuda você a adquirir uma compreensão intuitiva dos conceitos e ferramentas para a construção de sistemas inteligentes. Você aprenderá uma variedade de técnicas, começando com uma regressão linear simples e progredindo para redes neurais profundas. Com exercícios em cada capítulo para ajudá-lo a aplicar o que aprendeu, você só precisa ter experiência em programação para começar. - Explore o cenário do aprendizado de máquina, especialmente as redes neurais- Utilize o Scikit-Learn para acompanhar um exemplo de projeto de aprendizado de máquina de ponta a ponta- Examine vários modelos de treinamento, incluindo máquinas de vetor de suporte, árvores de decisão, florestas aleatórias emétodos de ensemble- Use a biblioteca TensorFlow para construir e treinar redes neurais- Mergulhe em arquiteturas de rede neural, incluindo redes convolutivas, redes recorrentes e aprendizado por reforço profundo- Aprenda técnicas para treinamento e dimensionamento de redes neurais profundas- Aplique exemplos práticos de código sem recorrer a teorias excessivas ou detalhes de algoritmo do aprendizado de máquinas