کتاب یادگیری بدون نظارت عملی با استفاده از پایتون

توضیحات کتاب

توضیحات کتاب به فارسی (ترجمه ماشینی)

بسیاری از کارشناسان صنعت ، یادگیری بدون نظارت را مرز بعدی در هوش مصنوعی می دانند ، که ممکن است کلید هوش مصنوعی عمومی باشد.از آنجا که اکثر داده های جهان بدون برچسب است ، یادگیری تحت نظارت معمولی قابل استفاده نیست.از طرف دیگر ، یادگیری بدون نظارت می تواند برای کشف الگوهای معنادار که در اعماق داده ها دفن شده است ، در داده های بدون برچسب استفاده شود ، الگویی که ممکن است برای انسان کشف شود.نویسنده Ankur Patel به شما نشان می دهد که چگونه می توانید با استفاده از دو چارچوب ساده و آماده تولید پایتون: Scikit-Learn و Tensorflow با استفاده از Keras ، یادگیری بدون نظارت را استفاده کنید.دانشمندان داده با استفاده از کد و نمونه های دستی ، الگوهای دشوار را در داده ها شناسایی می کنند و بینش عمیق تری کسب می کنند ، ناهنجاری ها را تشخیص می دهند ، مهندسی و انتخاب ویژگی اتوماتیک را انجام می دهند و مجموعه داده های مصنوعی را تولید می کنند.تمام آنچه شما نیاز دارید برنامه نویسی و برخی از تجربه یادگیری ماشین برای شروع کار است.نقاط قوت و ضعف رویکردهای مختلف یادگیری ماشین را مقایسه کنید: تحت نظارت ، بدون نظارت ، و یادگیری تقویت شده و مدیریت پروژه های یادگیری ماشین را به پایان برسانید و یک سیستم تشخیص غیرقانونی ایجاد کنید تا یک سیستم تشخیص ناهنجاری ایجاد کنید تا کاربران کلاهبرداری کارت اعتباری را به گروه های متمایز و همگن در حال یادگیری با استفاده از سیستم های توصیه شده فیلم با استفاده از شبکه های تولیدی بولتزمن ، تولیدات سازنده فیلم با استفاده از شبکه های تولیدی محدود تولید کنند.