Apprendimento automatico con Tensorflow

Recensioni dei lettori

Il libro è apprezzato per il suo approccio pratico all'apprendimento automatico e a TensorFlow, con spiegazioni chiare e codice ben commentato. Molti recensori lo consigliano come utile risorsa iniziale per i neofiti del settore. Tuttavia, è stato criticato per l'eccessivo semplicismo, la mancanza di basi matematiche e la presenza di esempi obsoleti che non funzionano con le ultime versioni di TensorFlow. Alcuni utenti hanno trovato la scrittura disarticolata e hanno pensato che fosse possibile trovare informazioni migliori online.

⬤ Introduzione pratica
⬤ ben organizzata
⬤ spiegazioni chiare
⬤ ottimi esempi con codice annotato
⬤ adatto ai principianti
⬤ stile di insegnamento concreto
⬤ buono per mettere insieme le conoscenze esistenti.

⬤ Troppo elementare per gli utenti più esperti
⬤ manca di rigore matematico
⬤ esempi obsoleti e non funzionanti
⬤ alcuni trovano la scrittura povera e tortuosa
⬤ la seconda metà si concentra troppo su argomenti più semplici invece che sulle specificità di TensorFlow.

(basato su 22 recensioni dei lettori)

Titolo originale:

Machine Learning with Tensorflow

Contenuto del libro:

Sintesi

Machine Learning with TensorFlow offre ai lettori una solida base di concetti di apprendimento automatico e un'esperienza pratica di codifica di TensorFlow con Python.

L'acquisto del libro stampato include un eBook gratuito nei formati PDF, Kindle e ePub di Manning Publications.

Informazioni sulla tecnologia

TensorFlow, la libreria di Google per l'apprendimento automatico su larga scala, semplifica calcoli spesso complessi rappresentandoli come grafi e mappando in modo efficiente parti dei grafi alle macchine di un cluster o ai processori di una singola macchina.

Informazioni sul libro

Machine Learning with TensorFlow offre ai lettori una solida base di concetti di apprendimento automatico e un'esperienza pratica di codifica di TensorFlow con Python. Imparerete le basi lavorando con i classici algoritmi di predizione, classificazione e clustering. Poi passerete ai capitoli più importanti: l'esplorazione di concetti di deep-learning come gli autoencoder, le reti neurali ricorrenti e l'apprendimento per rinforzo. Leggete questo libro e sarete pronti a usare TensorFlow per le vostre applicazioni di apprendimento automatico e deep-learning.

Cosa c'è all'interno

⬤ Abbinare i vostri compiti ai giusti approcci di machine-learning e deep-learning.

⬤ Visualizzazione degli algoritmi con TensorBoard.

⬤ Comprendere e utilizzare le reti neurali.

Informazioni sul lettore

Scritto per sviluppatori esperti di Python e di concetti algebrici come vettori e matrici.

Informazioni sull'autore

L'autore Nishant Shukla è un ricercatore di computer vision focalizzato sull'applicazione di tecniche di apprendimento automatico nella robotica.

Il redattore tecnico senior, Kenneth Fricklas, è uno sviluppatore, un autore e un professionista dell'apprendimento automatico di lunga data.

Indice dei contenuti

PARTE 1 - IL VOSTRO IMPIANTO DI APPRENDIMENTO AUTOMATICO.

⬤ Un'odissea nell'apprendimento automatico.

⬤ Essenziali di TensorFlow.

PARTE 2 - ALGORITMI DI APPRENDIMENTO FONDAMENTALI.

⬤ Regressione lineare e oltre.

⬤ Una delicata introduzione alla classificazione.

⬤ Clusterizzazione automatica dei dati.

⬤ Modelli di Markov nascosti.

PARTE 3 - IL PARADIGMA DELLE RETI NEURALI.

⬤ Un'occhiata agli autoencoder.

⬤ Apprendimento per rinforzo.

⬤ Reti neurali evolutive.

⬤ Reti neurali ricorrenti.

⬤ Modelli sequenza-sequenza per chatbot.

⬤ Il panorama delle utility.