Mãos à obra: aprendizado de máquina com Scikit-Learn & TensorFlow

Mãos à obra – aprendizado de máquina com Scikit-Learn & TensorFlow

CONCEITOS, FERRAMENTAS E TÉCNICAS PARA A CONSTRUÇÃO DE SISTEMAS INTELIGENTES.

Com uma série de recentes avanços, o aprendizado profundo impulsionou todo o campo do aprendizado de máquina. Agora, mesmo os programadores que pouco sabem sobre esta tecnologia podem utilizar ferramentas simples e eficientes para implementar programas capazes de aprender com dados.

Este livro prático mostra como fazê-lo.
Utilizando exemplos concretos, uma teoria mínima e duas estruturas Python prontas para produção – Scikit-Learn e TensorFlow – o autor Aurélien Géron ajuda você a adquirir uma compreensão intuitiva dos conceitos e ferramentas para a construção de sistemas inteligentes.
Você aprenderá uma variedade de técnicas, começando com uma regressão linear simples e progredindo para redes neurais profundas. Com exercícios em cada capítulo para ajudá-lo a aplicar o que aprendeu, você só precisa ter experiência em programação para começar.

– Explore o cenário do aprendizado de máquina, especialmente as redes neurais
– Utilize o Scikit-Learn para acompanhar um exemplo de projeto de aprendizado de máquina de ponta a ponta
– Examine vários modelos de treinamento, incluindo máquinas de vetor de suporte, árvores de decisão, florestas aleatórias e
métodos de ensemble
– Use a biblioteca TensorFlow para construir e treinar redes neurais
– Mergulhe em arquiteturas de rede neural, incluindo redes convolutivas, redes recorrentes e aprendizado por reforço profundo
– Aprenda técnicas para treinamento e dimensionamento de redes neurais profundas
– Aplique exemplos práticos de código sem recorrer a teorias excessivas ou detalhes de algoritmo do aprendizado de máquinas