Mãos à obra: aprendizado de máquina com Scikit-Learn, Keras & TensorFlow
conceitos, ferramentas e técnicas para a construção de sistemas inteligentes

Géron, Aurélien (Autor)

Aurélien Géron, 978-85-5081-548-0, TensorFlow 2, ALTA BOOKS, MÃOS A OBRA 2º EDIÇÃO

Sinopse

Por meio de uma série de avanços tecnológicos, o aprendizado de máquina tem estimulado todos os campos de atuação em que se insere. Hoje em dia, até mesmo os programadores que não sabem quase nada sobre esses avanços podem usar ferramentas simples e eficientes para implementar programas capazes de aprender com os dados. A edição atualizada deste best-seller apresenta exemplos concretos, pouca teoria e frameworks Python para serem usados em produção, visando ajudá-lo a entender intuitivamente os conceitos e ferramentas para a construção de sistemas inteligentes. Com isso, você aprenderá uma variedade de técnicas que pode usar rapidamente. Como cada capítulo tem exercícios para que você possa praticar o que aprendeu, basta ganhar experiência com programação para começar. Todos os códigos estão disponíveis no GitHub. A obra também foi atualizada com a TensorFlow 2 e a versão mais recente da Scikit-Learn.

• Compreenda os fundamentos do aprendizado de máquina por meio de um projeto end-to-end usando a Scikit-Learn e o Pandas.
• Aprenda a detecção de objetos, segmentação semântica, mecanismos de atenção, modelos de linguagem, GANs e muito mais.
• Explore a Keras API, a API oficial de alto nível da TensorFlow 2.
• Disponibilize em produção modelos TensorFlow usando a Data API, API de estratégias de distribuição, TF Transform e TF-Serving.
• Implementação no Google Cloud AI Platform ou em dispositivos móveis.
• Explore técnicas de aprendizado não supervisionado, como redução de dimensionalidade, clusterização e detecção de anomalias.
• Crie agentes de aprendizagem autônomos por meio do aprendizado por reforço com a biblioteca TF-Agents.

Metadado adicionado em 15/07/2021

Encontrou alguma informação errada? Perguntar para a Editora Alta Books

ISBN relacionados

--

Metadados completos: