Машинное обучение с PyTorch и Scikit-Learn
Исчерпывающее руководство по машинному и глубокому обучению с использованием языка программирования Python, фреймворка PyTorch и библиотеки Scikit-Learn. Книга охватывает фундаментальные концепции машинного обучения, предоставляя прочную основу для понимания алгоритмов и их практического применения.
Рассмотрены ключевые темы: алгоритмы для задач классификации, классификаторы на основе Scikit-Learn, предварительная обработка и сжатие данных, современные методы оценки моделей и объединение различных моделей для ансамблевого обучения. Особое внимание уделено применению машинного обучения для анализа текста, прогнозированию непрерывных целевых переменных с помощью регрессионного анализа, а также кластерному анализу и обучению без учителя.
Показано построение многослойной искусственной нейронной сети с нуля и раскрыты продвинутые возможности PyTorch для решения сложных задач. Описано применение глубоких сверточных и рекуррентных нейронных сетей, трансформеров, генеративных состязательных и графовых нейронных сетей. Завершает книгу раздел, посвящённый обучению с подкреплением для систем принятия решений в сложных средах.
Электронный архив содержит цветные иллюстрации и коды всех примеров, что делает книгу ценным практическим ресурсом для программистов, стремящихся углубить свои знания в области машинного и глубокого обучения.
