Le Machine Learning avec Scikit-Learn, Keras et TensorFlow : Concepts, outils et techniques pour créer des systèmes intelligents

Grâce à une série de percées récentes, l'apprentissage profond a stimulé l'ensemble du domaine de l'apprentissage automatique. Désormais, même les programmeurs qui ne connaissent presque rien à cette technologie peuvent utiliser des outils simples et efficaces pour implémenter des programmes capables d'apprendre à partir de données. Ce livre à succès utilise des exemples concrets, une théorie minimale et des frameworks Python prêts pour la production (Scikit-Learn, Keras et TensorFlow) pour vous aider à acquérir une compréhension intuitive des concepts et des outils pour la construction de systèmes intelligents. Avec cette troisième édition mise à jour, l'auteur Aurélien Géron explore une gamme de techniques, en commençant par la régression linéaire simple et en progressant vers les réseaux neuronaux profonds. De nombreux exemples de code et des exercices tout au long du livre vous aident à appliquer ce que vous avez appris. Une expérience en programmation est tout ce dont vous avez besoin pour commencer.

Utilisez Scikit-learn pour suivre un exemple de projet ML de bout en bout Explorez plusieurs modèles, y compris les machines à vecteurs de support, les arbres de décision, les forêts aléatoires et les méthodes d'ensemble Exploitez les techniques d'apprentissage non supervisé telles que la réduction de dimensionnalité, le clustering et la détection d'anomalies Plongez dans les architectures de réseaux neuronaux, y compris les réseaux convolutifs, les réseaux récurrents, les réseaux génératifs adversariaux, les autoencodeurs, les modèles de diffusion et les transformateurs Utilisez TensorFlow et Keras pour construire et entraîner des réseaux neuronaux pour la vision par ordinateur, le traitement du langage naturel, les modèles génératifs et l'apprentissage par renforcement profond