Hands-On Machine Learning with C++: Costruire, addestrare e distribuire pipeline end-to-end di machine learning e deep learning

Recensioni dei lettori

Il libro offre una prospettiva unica sull'implementazione dell'apprendimento automatico con il C++, colmando una significativa lacuna nelle risorse educative per i programmatori C++. Fornisce numerosi esempi reali che rendono l'apprendimento automatico in C++ accessibile e pratico. Tuttavia, soffre di problemi di organizzazione e potrebbe non essere adatto ai principianti assoluti, in particolare a coloro che non hanno familiarità con le librerie e i concetti necessari.

Contiene esempi completi che utilizzano dati reali, rendendo il materiale immediatamente applicabile. Colma il divario tra le risorse ML in C++ e Python. Buona panoramica dei concetti e degli algoritmi di ML. Risponde alle esigenze degli sviluppatori C++ con esempi pratici di codice e compatibilità con librerie come PyTorch. Fornisce un ambiente Docker che facilita la configurazione degli esempi.

Organizzato male, senza un chiaro target di riferimento. Può confondere i principianti a causa della mancanza di spiegazioni fondamentali sulle librerie. Non è facile da usare per chi non ha esperienza con il C++. Richiede Docker per la configurazione degli esempi, il che potrebbe essere un ostacolo per alcuni utenti. Alcuni lettori ritengono che manchi di profondità nella spiegazione degli strumenti e dei concetti.

(basato su 6 recensioni dei lettori)

Titolo originale:

Hands-On Machine Learning with C++: Build, train, and deploy end-to-end machine learning and deep learning pipelines

Contenuto del libro:

Implementare algoritmi di apprendimento automatico supervisionati e non supervisionati utilizzando librerie C++ come PyTorch C++ API, Caffe2, Shogun, Shark-ML, mlpack e dlib con l'aiuto di esempi e dataset reali.

Caratteristiche principali

⬤ Prendere confidenza con l'elaborazione dei dati, la misurazione delle prestazioni e la selezione dei modelli utilizzando varie librerie C++.

⬤ Implementare tecniche pratiche di machine learning e deep learning per costruire modelli intelligenti.

⬤ Distribuire i modelli di apprendimento automatico per lavorare su dispositivi mobili ed embedded.

Descrizione del libro

Il C++ può rendere i vostri modelli di apprendimento automatico più veloci ed efficienti. Questa guida pratica vi aiuterà ad apprendere i fondamenti dell'apprendimento automatico (ML), mostrandovi come utilizzare le librerie C++ per ottenere il massimo dai vostri dati. Questo libro semplifica l'apprendimento automatico con il C++ per i principianti grazie al suo approccio basato su esempi, che dimostrano come implementare algoritmi di ML supervisionati e non supervisionati attraverso esempi reali.

Questo libro vi farà toccare con mano la messa a punto e l'ottimizzazione di un modello per diversi casi d'uso, assistendovi nella selezione del modello e nella misurazione delle prestazioni. Verranno trattate tecniche come le raccomandazioni sui prodotti, l'apprendimento d'insieme e il rilevamento delle anomalie, utilizzando librerie C++ moderne come PyTorch C++ API, Caffe2, Shogun, Shark-ML, mlpack e dlib. Esplorerete poi le reti neurali e il deep learning con esempi come la classificazione delle immagini e l'analisi del sentiment, che vi aiuteranno a risolvere vari problemi. In seguito, imparerete a gestire le sfide della produzione e della distribuzione su piattaforme mobili e cloud, prima di scoprire come esportare e importare modelli utilizzando il formato ONNX.

Alla fine di questo libro sul C++, avrete una conoscenza reale dell'apprendimento automatico e del C++, nonché le competenze necessarie per utilizzare il C++ per costruire potenti sistemi di ML.

Che cosa imparerete?

⬤ Esplorare come caricare e preprocessare vari tipi di dati in strutture dati C++ adatte.

⬤ Impiegare i principali algoritmi di apprendimento automatico con varie librerie C++.

⬤ Comprendere l'approccio di ricerca a griglia per trovare i parametri migliori per un modello di apprendimento automatico.

⬤ Implementare un algoritmo per filtrare le anomalie nei dati degli utenti utilizzando la distribuzione gaussiana.

⬤ Migliorare il filtraggio collaborativo per gestire le preferenze dinamiche degli utenti.

⬤ Utilizzare librerie e API C++ per gestire le strutture e i parametri del modello.

⬤ Implementare un programma C++ per risolvere compiti di classificazione di immagini con l'architettura LeNet.

A chi è rivolto questo libro

Questo libro sull'apprendimento automatico in C++ vi sarà utile se volete iniziare a conoscere gli algoritmi e le tecniche di apprendimento automatico utilizzando il popolare linguaggio C++. Oltre a essere un utile primo corso sull'apprendimento automatico con il C++, questo libro piacerà anche agli analisti di dati, agli scienziati di dati e agli sviluppatori di apprendimento automatico che desiderano implementare diversi modelli di apprendimento automatico in produzione utilizzando vari set di dati ed esempi. La conoscenza del linguaggio di programmazione C++ è obbligatoria per iniziare a leggere questo libro.