Através de uma série recente de avanços, o aprendizado profundo impulsionou todo o campo do aprendizado de máquina. Agora, mesmo os programadores que não sabem quase nada sobre esta tecnologia podem usar ferramentas simples e eficientes para implementar programas capazes de aprender a partir de dados.. Este livro best-seller usa exemplos concretos, teoria mínima e estruturas Python prontas para produção (Scikit-Learn, Keras e TensorFlow) para ajudá-lo a obter uma compreensão intuitiva dos conceitos e ferramentas para a construção de sistemas inteligentes.
Com esta terceira edição atualizada, o autor Aurélien Géron explora uma série de técnicas, começando com regressão linear simples e progredindo para redes neurais profundas. Vários exemplos de código e exercícios ao longo do livro ajudam você a aplicar o que aprendeu. Experiência em programação é tudo que você precisa para começar.
Use o Scikit-learn para rastrear um exemplo de projeto de ML de ponta a ponta
Explore vários modelos, incluindo máquinas de vetores de suporte, árvores de decisão, florestas aleatórias e métodos de conjunto
Explorar técnicas de aprendizagem não supervisionadas, como redução de dimensionalidade, agrupamento e detecção de anomalias
Mergulhe nas arquiteturas de redes neurais, incluindo redes convolucionais, redes recorrentes, redes adversárias generativas, codificadores automáticos, modelos de difusão e transformadores
Use o TensorFlow e o Keras para criar e treinar redes neurais para visão computacional, processamento de linguagem natural, modelos generativos e aprendizado por reforço profundo
Sobre o autor:
Aurélien Géron é um consultor de Machine Learning. Ex-funcionário do Google, ele liderou a equipe de classificação de vídeos do YouTube de 2013 a 2016. Ele também foi fundador e CTO da Wifirst de 2002 a 2012, uma provedora de internet sem fio líder na França, e fundador e CTO da Polyconseil em 2001, uma empresa de consultoria em telecomunicações.
Reembolso por não entrega
