Python mašinsko učenje - prevod trećeg izdanja

Savladajte radne okvire, modele i tehnike koje omogućavaju mašinama da „uče“ iz podataka.Upotrebite scikit-learn za mašinsko učenje i TensorFlow za duboko učenje.Primenite mašinsko učenje na klasifikaciju slike, analizu sentimenta, inteligentne veb aplikacije i drugo.Izgradite i obučite neuronske mreže, GAN-ove i druge modele.Otkrijte najbolju praksu za procenu i podešavanje modela.Naučite da predvidite kontinuirane ciljne ishode upotrebom analize regresije.„Zaronite“ dublje u tekstualne podatke i podatke društvenih medija upotrebom analize sentimenta.Python mašinsko učenje (treće izdanje) je sveobuhvatan vodič za mašinsko učenje i duboko učenje upotrebom Pythona. Ova knjiga služi kao uputstvo, korak po korak, i kao referenca kojoj ćete se vraćati dok gradite sisteme mašinskog učenja. Ona uključuje jasna objašnjenja, vizuelizacije i radne primere i obuhvata detaljno sve osnovne tehnike mašinskog učenja. Dok vas neke knjige uče samo da pratite instrukcije, u ovoj knjizi za mašinsko učenje autori Raschka i Mirjalili uče vas principima mašinskog učenja, omogućavajući vam da sami izgradite modele i aplikacije. Ovo treće izdanje je ažurirano za TensorFlow 2.0 i predstavlja čitaocima njegove nove Keras API funkcije, kao i funkcije najnovijeg izdanja scikit-learna. Knjiga je takođe proširena opisom vrhunskih tehnika učenja uslovljavanjem, koje su zasnovane na dubokom učenju, a takođe su predstavljeni i GAN-ovi. Istražićemo i podoblast obrade prirodnog jezika (NLP) pod nazivom analiza sentimenta, što će vam pomoći da naučite kako da koristite algoritme mašinskog učenja za klasifikovanje dokumenata. Ova knjiga je vaš pratilac za mašinsko učenje sa Pythonom, bez obzira da li ste Python programer koji želi da nauči mašinsko učenje ili imate iskustva i želite da produbite znanje najnovijim dostignućima.Treće izdanje je najprodavanija, veoma popularna knjiga o Python mašinskom učenju.Jasna i intuitivna objašnjenja će vas uvesti duboko u teoriju i praksu Python mašinskog učenja.Knjiga je potpuno ažurirana i proširena da bi obuhvatila TensorFlow 2, Generative Adversarial Network modele, učenje uslovljavanjem i najbolju praksu.