Apprendimento non supervisionato pratico con Python

Recensioni dei lettori

Attualmente non ci sono recensioni dei lettori. La valutazione si basa su 7 voti.

Titolo originale:

Hands-On Unsupervised Learning with Python

Contenuto del libro:

Scoprite le competenze necessarie per implementare vari approcci all'apprendimento automatico con Python Caratteristiche principali Esplorate l'apprendimento non supervisionato con clustering, autoencoder, macchine di Boltzmann ristrette e altro ancora Costruite i vostri modelli di reti neurali utilizzando le moderne librerie Python Esempi pratici vi mostrano come implementare diverse tecniche di apprendimento automatico e deep learning Descrizione del libro

L'apprendimento non supervisionato consiste nell'utilizzare dati grezzi e non etichettati e nell'applicare ad essi algoritmi di apprendimento per aiutare una macchina a prevedere i risultati. In questo libro esplorerete il concetto di apprendimento non supervisionato per raggruppare grandi insiemi di dati e analizzarli ripetutamente fino a trovare il risultato desiderato utilizzando Python.

Questo libro inizia con le differenze chiave tra apprendimento supervisionato, non supervisionato e semi-supervisionato. Verranno presentate le librerie e i framework più utilizzati dell'ecosistema Python e si affronterà il tema dell'apprendimento non supervisionato sia nell'ambito dell'apprendimento automatico che dell'apprendimento profondo. Esplorerete vari algoritmi e tecniche utilizzati per implementare l'apprendimento non supervisionato in casi d'uso reali. Imparerete una serie di approcci all'apprendimento non supervisionato, tra cui l'ottimizzazione randomizzata, il clustering, la selezione e la trasformazione delle caratteristiche e la teoria dell'informazione. Si farà esperienza pratica di come le reti neurali possono essere utilizzate in scenari non supervisionati. Verranno inoltre esplorate le fasi di costruzione e addestramento di una GAN per l'elaborazione delle immagini.

Alla fine di questo libro, avrete imparato l'arte dell'apprendimento non supervisionato per diverse sfide del mondo reale. Cosa imparerete Utilizzate gli algoritmi di clustering per identificare e ottimizzare i gruppi naturali di dati Esplorate il clustering non lineare e gerarchico avanzato in azione Assegnazioni morbide di etichette per fuzzy c-means e modelli a miscela gaussiana Rilevate le anomalie attraverso la stima della densità Eseguite l'analisi delle componenti principali utilizzando modelli di reti neurali Create modelli non supervisionati utilizzando le GAN A chi è rivolto questo libro

Questo libro si rivolge a statistici, data scientist, sviluppatori di machine learning e professionisti del deep learning che desiderano creare applicazioni intelligenti implementando l'apprendimento non supervisionato, nonché padroneggiare tutte le nuove tecniche e gli algoritmi offerti dal machine learning e dal deep learning utilizzando esempi reali. È auspicabile una conoscenza preliminare dei concetti di apprendimento automatico e di statistica. Sommario: Come iniziare con l'apprendimento non supervisionato Fondamenti di clustering Clustering avanzato Clustering gerarchico in azione Soft Clustering e modelli a miscela gaussiana Rilevazione delle anomalie Riduzione della dimensionalità e analisi delle componenti Modelli di reti neurali non supervisionate Reti avversarie generative e SOM