Ebook Python Machine Learning Qua Ví Dụ - Mở Khóa Các Phương Pháp Hay Nhất Về Học Máy Với Các Trường Hợp Sử Dụng Thực Tế [Ấn Bản Lần 4, Tháng 8/2024] [PDF, EPUB] [9532E]
Cuốn sách sẽ dạy bạn về machine learning từ các nền tảng đến việc xây dựng các NLP transformer và các multimodal model với các mẹo thực hành tốt nhất và các ví dụ thực tế bằng cách sử dụng PyTorch, TensorFlow, scikit-learn và pandas.
1. Các tính năng chính:
- ✓ Khám phá nội dung mới và cập nhật về NLP transformer, PyTorch, và computer vision modeling.
- ✓ Bao gồm một chương chuyên đề về các phương pháp hay nhất và các mẹo thực hành hay nhất bổ sung trong suốt cuốn sách để cải thiện các giải pháp ML của bạn.
- ✓ Triển khai các mô hình ML, chẳng hạn như neural networks and linear và logistic regression, từ đầu.
2. Mô tả sách:
Phiên bản thứ tư của Python Machine Learning Qua Ví Dụ là hướng dẫn toàn diện dành cho người mới bắt đầu và các machine learning practitioner có kinh nghiệm muốn tìm hiểu các kỹ thuật nâng cao hơn, chẳng hạn như multimodal modeling. Được viết bởi tác giả machine learning kinh nghiệm và machine learning engineer của Google, phiên bản này nhấn mạnh các phương pháp hay nhất, cung cấp những hiểu biết vô giá cho các machine learning engineer, data scientist, và analyst.
Khám phá các kỹ thuật nâng cao, bao gồm hai chương mới về natural language processing transformers với BERT và GPT, và các multimodal computer vision model với PyTorch và Hugging Face. Bạn sẽ học các kỹ thuật modeling chính bằng các ví dụ thực tế, chẳng hạn như dự đoán giá cổ phiếu và tạo một image search engine.
Cuốn sách machine learning thực hành này sẽ hướng dẫn bạn vượt qua những thách thức phức tạp, thu hẹp khoảng cách giữa hiểu biết lý thuyết và ứng dụng thực tế. Nâng cao chuyên môn về machine learning và deep learning của bạn, giải quyết các vấn đề phức tạp và mở khóa tiềm năng của các kỹ thuật tiên tiến trong machine learning với hướng dẫn này.
3. Bạn sẽ học được gì:
- ✓ Thực hiện theo các phương pháp hay nhất về học máy trong suốt quá trình chuẩn bị dữ liệu và phát triển mô hình.
- ✓ Xây dựng và cải thiện các image classifier bằng cách sử dụng convolutional neural networks (CNN) và transfer learning.
- ✓ Phát triển và fine-tune các neural network bằng TensorFlow và PyTorch.
- ✓ Phân tích sequence data và đưa ra các dự đoán bằng cách sử dụng recurrent neural networks (RNN), transformers, và CLIP.
- ✓ Xây dựng các classifier bằng cách sử dụng support vector machines (SVM) và tăng hiệu suất với PCA.
- ✓ Tránh overfitting bằng cách sử dụng regularization, feature selection và nhiều hơn nữa.
4. Cuốn sách này dành cho ai:
Phiên bản mở rộng thứ tư này lý tưởng cho các data scientist, ML engineer, analyst và sinh viên có kiến thức lập trình Python. Các ví dụ thực tế, phương pháp hay nhất và code chuẩn bị cho bất kỳ ai thực hiện dự án ML nghiêm túc đầu tiên của họ.
5. Mục lục:
- ✓ Chương 01. Bắt đầu với Machine Learning và Python.
- ✓ Chương 02. Xây dựng một Movie Recommendation Engine.
- ✓ Chương 03. Dự đoán lượt nhấp vào quảng cáo trực tuyến với Tree-Based Algorithm.
- ✓ Chương 04. Dự đoán lượt nhấp vào quảng cáo trực tuyến với Logistic Regression.
- ✓ Chương 05. Dự đoán giá cổ phiếu với Regression Algorithm.
- ✓ Chương 06. Dự đoán giá cổ phiếu với Artificial Neural Networks.
- ✓ Chương 07. Khai thác 20 Newsgroups Dataset với các kỹ thuật Text Analysis.
- ✓ Chương 08. Discovering Underlying Topics trong Newsgroups Dataset với Clustering và Topic Modeling.
- ✓ Chương 09. Recognizing Faces với Support Vector Machine.
- ✓ Chương 10. Machine Learning Best Practices.
- ✓ Chương 11. Phân loại hình ảnh quần áo với Convolutional Neural Networks.
- ✓ Chương 12. Making Predictions với Sequences sử dụng Recurrent Neural Networks.
- ✓ Chương 13. Nâng cao Language Understanding và Generation với Transformer Models.
- ✓ Chương 14. Xây dựng một Image Search Engine bằng cách sử dụng Multimodal Models.
- ✓ Chương 15. Making Decisions trong các môi trường phức tạp với Reinforcement Learning.
LƯU Ý: Pass mở file pdf là mật khẩu giải nén chung của tài liệu !