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