Uczenie_maszynowe_w_C_Szybkie_sprytne_i_solidne_aplikacje_uczmas.pdf

(3388 KB) Pobierz
Tytuł oryginału: Hands-On Machine Learning with C#
Tłumaczenie: Wojciech Moch
ISBN: 978-83-283-5233-9
Copyright © Packt Publishing 2018. First published in the English language
under the title ‘Hands-On Machine Learning with C# – (9781788994941)’
Polish edition copyright © 2019 by Helion SA
All rights reserved.
All rights reserved. No part of this book may be reproduced or transmitted in any form or by any means,
electronic or mechanical, including photocopying, recording or by any information storage retrieval system,
without permission from the Publisher.
Wszelkie prawa zastrzeżone. Nieautoryzowane rozpowszechnianie całości lub fragmentu niniejszej
publikacji w jakiejkolwiek postaci jest zabronione. Wykonywanie kopii metodą kserograficzną,
fotograficzną, a także kopiowanie książki na nośniku filmowym, magnetycznym lub innym powoduje
naruszenie praw autorskich niniejszej publikacji.
Wszystkie znaki występujące w tekście są zastrzeżonymi znakami firmowymi bądź towarowymi ich
właścicieli.
Autor oraz Helion SA dołożyli wszelkich starań, by zawarte w tej książce informacje były kompletne
i rzetelne. Nie biorą jednak żadnej odpowiedzialności ani za ich wykorzystanie, ani za związane z tym
ewentualne naruszenie praw patentowych lub autorskich. Autor oraz Helion SA nie ponoszą również
żadnej odpowiedzialności za ewentualne szkody wynikłe z wykorzystania informacji zawartych w książce.
Helion SA
ul. Kościuszki 1c, 44-100 Gliwice
tel. 32 231 22 19, 32 230 98 63
e-mail:
helion@helion.pl
WWW:
http://helion.pl
(księgarnia internetowa, katalog książek)
Drogi Czytelniku!
Jeżeli chcesz ocenić tę książkę, zajrzyj pod adres
http://helion.pl/user/opinie/uczmas
Możesz tam wpisać swoje uwagi, spostrzeżenia, recenzję.
Printed in Poland.
•
Kup książkę
•
Poleć książkę
•
Oceń książkę
•
Księgarnia internetowa
•
Lubię to! » Nasza społeczność
Spis treści
O autorze
O recenzencie
Wstęp
Rozdział 1. Podstawy uczenia maszynowego
Wprowadzenie do uczenia maszynowego
Wydobywanie danych
Sztuczna inteligencja
Bio-SI
Uczenie głębokie
Probabilistyka i statystyka
Rozpoczynanie projektu uczenia maszynowego
Zbieranie danych
Przygotowanie danych
Wybranie modelu i trening
Ocena modelu
Poprawianie modelu
11
12
9
13
14
18
18
18
19
19
20
20
20
21
22
22
Zbiór danych o irysach
Rodzaje uczenia maszynowego
22
24
Uczenie nadzorowane
Kompromis odchylenie – wariancja
Ilość danych treningowych
Wymiarowość przestrzeni wejścia
Nieprawidłowe wartości wyjścia
Heterogeniczność danych
25
25
26
27
27
27
Kup książkę
Poleć książkę
Uczenie maszynowe w C#
Uczenie nienadzorowane
Uczenie ze wzmocnieniem
Lepiej kupić, zbudować czy skorzystać z otwartych
źródeł?
Dodatkowa lektura
Podsumowanie
Odwołania
28
29
29
30
31
31
Rozdział 2. ReflectInsight — monitorowanie w czasie rzeczywistym
Router
Przeglądarka protokołu
Przeglądarka na
żywo
Nawigacja w komunikatach
Przeszukiwanie komunikatów
Formatowanie czasu i daty
Automatyczne zapisywanie i czyszczenie
SDK
Edytor konfiguracji
33
34
35
35
35
38
38
39
43
43
Podsumowanie
45
Rozdział 3. Wnioskowanie Bayesa — rozwiązywanie zagadki ucieczki z miejsca
wypadku i analizowanie danych
Twierdzenie Bayesa
Naiwny klasyfikator bayesowski i rysowanie danych
Rysowanie danych
47
48
54
55
Podsumowanie
Odwołania
61
63
Rozdział 4. Ryzyko i nagroda — uczenie ze wzmocnieniem
Uczenie ze wzmocnieniem
Rodzaje uczenia
Q-uczenie
SARSA
Uruchamianie aplikacji
Wieże Hanoi
Podsumowanie
Odwołania
65
65
68
68
69
69
74
80
81
Rozdział 5. Logika rozmyta — nawigowanie na torze przeszkód
Logika rozmyta
Pojazd kierowany automatycznie
Podsumowanie
Odwołania
83
84
86
95
95
Rozdział 6.
Łączenie
kolorów — mapy samoorganizujące i elastyczne sieci neuronowe
Zrozumieć istotę sieci samoorganizującej
Podsumowanie
97
98
112
4
Kup książkę
Poleć książkę
Spis treści
Rozdział 7. Wykrywanie twarzy i ruchu — filtrowanie obrazów
Wykrywanie twarzy
Wykrywanie ruchu
Dodawanie funkcji wykrywania ruchu do swojej aplikacji
113
114
122
125
Podsumowanie
127
Rozdział 8. Encyklopedia i neurony — problem komiwojażera
Problem komiwojażera
Parametr współczynnika uczenia
Promień uczenia
Podsumowanie
129
129
147
148
148
Rozdział 9. Mam przyjąć tę pracę? — drzewa decyzji w akcji
Drzewo decyzyjne
Węzeł decyzyjny
Zmienna decyzyjna
Kolekcja węzłów gałęzi decyzyjnej
149
150
151
151
151
Mam przyjąć tę pracę?
numl
Drzewa decyzyjne w Accord.NET
Kod uczący
Tablica pomyłek
Wizualizacja typu błędu
152
154
155
156
158
159
Podsumowanie
Odwołania
161
161
Rozdział 10. Głęboka wiara — głębokie sieci i sny
Ograniczone maszyny Boltzmanna
Warstwy
O czym
śni
komputer?
Podsumowanie
Odwołania
163
163
166
171
175
175
Rozdział 11. Mikrotesty porównawcze i funkcje aktywacji
Rysowanie funkcji aktywacji
Rysowanie wszystkich funkcji aktywacji
Główna funkcja rysująca
Testy porównawcze
Podsumowanie
177
178
180
181
182
186
Rozdział 12. Intuicyjne uczenie głębokie w C# i .NET
Czym jest uczenie głębokie?
OpenCL
Hierarchia OpenCL
187
188
189
189
Framework Kelp.Net
Funkcje
Stosy funkcji
192
192
192
5
Kup książkę
Poleć książkę

Plik z chomika:

Inne pliki z tego folderu:

Inne foldery tego chomika:

Zgłoś jeśli naruszono regulamin