Μέσα από μια σειρά πρόσφατων καινοτομιών, η βαθιά μάθηση έχει δώσει ώθηση σε ολόκληρο τον τομέα της μηχανικής μάθησης. Τώρα, ακόμα και οι προγραμματιστές που δεν γνωρίζουν σχεδόν τίποτα για αυτές τις τεχνολογίες μπορούν να χρησιμοποιήσουν τα βελτιστοποιημένα εργαλεία για να υλοποιήσουν προγράμματα που μαθαίνουν να λύνουν πολύπλοκα προβλήματα. Στο ευρύτατο αυτό εγχειρίδιο, ο Aurélien Géron θα βρείτε συγκεκριμένα παραδείγματα, διαύστερη θεωρία και επεξηγήσεις για δημοφιλή πακέτα Python (Scikit-Learn, Keras και TensorFlow) που θα σας βοηθήσουν να αποκτήσετε μια διαισθητική κατανόηση των εννοιών και των εργαλείων για την κατασκευή ευφυών συστημάτων. Σε αυτή την ενημερωμένη τρίτη έκδοση, ο Aurélien Géron παρουσιάζει βασικές και προχωρημένες τεχνικές, ξεκινώντας από την απλή γραμμική παλινδρόμηση και προχωρώντας στα βαθιά νευρωνικά δίκτυα. Παραδειγματικός κώδικας και ασκήσεις θα σας βοηθήσουν να εφαρμόσετε όσα έχετε μάθει. Το μόνο που χρειάζεστε είναι να ξεκινήσετε άνετα έναν προγραμματισμό. • Χρησιμοποιήστε τη Scikit-Learn για να παρακολουθήσετε ολόκληρο τον κύκλο εργασιών μηχανικής μάθησης από την αρχή μέχρι το τέλος • Πειραματιστείτε με μοντέλα όπως δέντρα, τυχαία δάση και υποστηρικτικά διάνυσματα, δείκτες αποφάσεων, τυχαία δάση και μέθοδους συνόλων • Αξιοποιήστε τεχνικές μη επιβλεπόμενης μάθησης, συμπεριλαμβανομένης της ανάλυσης σε κύριες συνιστώσες και της ομαδοποίησης • Δημιουργήστε και εκπαιδεύστε νευρωνικά δίκτυα, συμπεριλαμβανομένων των συνελικτικών νευρωνικών δικτύων, των κυκλικών νευρωνικών δικτύων, των μοντέλων ως μετασχηματιστών, και εξειδικευμένους τύπους μοντέλων βαθιάς μάθησης όπως VAE και GAN • Χρησιμοποιήστε το TensorFlow και το Keras για να εκτελέσετε και να εκπαιδεύσετε νευρωνικά δίκτυα με παραγωγική άσκηση, επεξεργασία φράσεων, επιτήρηση μοντέλων, διανομή και βαθιά ενισχυτική μάθηση.