KRISTIAN ROTHER Libros

Learn software engineering and coding best practices to write Python code right and error free.

A través de una serie de avances recientes, el aprendizaje profundo ha impulsado todo el campo del aprendizaje automático. Este libro práctico muestra cómo utilizar herramientas simples y eficientes para implementar programas capaces de aprender de datos. Utilizando ejemplos concretos, teoría mínima y dos marcos de trabajo en Python—scikit-learn y TensorFlow—el autor Aurélien Géron te ayuda a adquirir una comprensión intuitiva de los conceptos y herramientas para construir sistemas inteligentes. Aprenderás una variedad de técnicas, comenzando con la regresión lineal simple y progresando hasta redes neuronales profundas. Con ejercicios en cada capítulo para ayudarte a aplicar lo que has aprendido, solo necesitas experiencia en programación para comenzar. Explora el panorama del aprendizaje automático, particularmente las redes neuronales. Utiliza scikit-learn para seguir un proyecto de aprendizaje automático de principio a fin. Explora varios modelos de entrenamiento, incluyendo máquinas de soporte vectorial, árboles de decisión y métodos de ensamblaje. Utiliza la biblioteca TensorFlow para construir y entrenar redes neuronales. Aprende técnicas para entrenar y escalar redes neuronales profundas y aplica ejemplos de código prácticos sin adquirir una teoría excesiva del aprendizaje automático o detalles de algoritmos.

Serves as an introduction to Python for data-intensive applications.

Deep-Learning-Netze, die mit großen Datenmengen trainiert werden, lösen komplexe Aufgaben mit erstaunlicher Genauigkeit. Dieses Buch bietet eine praktische Einführung in TensorFlow, die führende Open-Source-Softwarebibliothek zum Erstellen und Anlernen von Deep-Learning-Netzen für Sprach- und Bilderkennung, natürliche Sprachverarbeitung (NLP) und prädiktive Datenanalyse. Es richtet sich an technisch orientierte Leser, darunter Datenanalytiker, Ingenieure, Studenten und Wissenschaftler. Sie beginnen mit einfachen Beispielaufgaben und vertiefen sich in Themen wie die Architektur neuronaler Netze, Visualisierung mit TensorBoard, Abstraktionsbibliotheken für TensorFlow und Multithread-Pipelines zur Dateneingabe. Nach Abschluss des Buches sind Sie in der Lage, Deep-Learning-Systeme in TensorFlow zu erstellen und produktiv einzusetzen. Der Inhalt umfasst: einen schnellen Einstieg in TensorFlow, das Modellieren von Deep-Learning-Systemen, das Trainieren verbreiteter Modelle für Computer Vision und Sprachverarbeitung, die Nutzung von Abstraktionsbibliotheken zur Vereinfachung der Entwicklung, das Skalieren von TensorFlow und das Verteilte Anlernen von Modellen auf Clustern.