Machine Learning With Pytorch e Scikit-Learn Book
Repositório de código
Brochura: 770 páginas
Editor: Packt Publishing
Idioma: inglês
ISBN-10: 1801819319
ISBN-13: 978-1801819312
Kindle Asin: B09NW48MR1

Links
- Amazon Link
- Link packt
- Postagem do blog resumindo o conteúdo
Índice e cadernos de código
As instruções úteis de instalação e configuração podem ser encontradas no arquivo readme.md do Capítulo 1 .
Além disso, o Zbynek Bazanowski contribuiu com este guia útil explicando como executar os exemplos de código no Google Colab.
Observe que esses são apenas os exemplos de código que acompanham o livro, que carregamos para sua conveniência; Esteja ciente de que esses notebooks podem não ser úteis sem as fórmulas e o texto descritivo.
- Aprendizado de máquina - dando aos computadores a capacidade de aprender com os dados [Open Dir]
- Algoritmos de aprendizado de máquina de treinamento para classificação [DIR aberto]
- Um passeio de classificadores de aprendizado de máquina usando o Scikit-Learn [Open Dir]
- Construindo bons conjuntos de treinamento-Pré-processamento de dados [DIR aberto]
- Compressionando dados por redução de dimensionalidade [DIR aberto]
- Aprendendo as melhores práticas para avaliação de modelos e otimização de hiperparâmetro [DIR aberto]
- Combinando diferentes modelos para aprendizado de conjunto [DIR aberto]
- Aplicando aprendizado de máquina na análise de sentimentos [DIR aberto]
- Prevendo variáveis de alvo contínuas com análise de regressão [DIR aberto]
- Trabalhando com dados não marcados - Análise de Clustering [DIR OPEN]
- Implementando uma rede neural artificial de várias camadas do zero [DIR aberto]
- Treinamento de rede neural paralelizante com Pytorch [DIR aberto]
- Indo mais fundo - a mecânica de Pytorch [DIR aberto]
- Classificando imagens com profundas redes neurais convolucionais [DIR aberto]
- Modelando dados seqüenciais usando redes neurais recorrentes [DIR OPEN]
- Transformadores - Melhorando o processamento de linguagem natural com mecanismos de atenção [DIR aberto]
- Redes adversárias generativas para sintetizar novos dados [Open Dir]
- Redes neurais gráficas para capturar dependências em dados estruturados de gráficos [Open Dir]
- Aprendizagem de reforço para tomada de decisão em ambientes complexos [DIR aberto]
Sebastian Raschka, Yuxi (Hayden) Liu e Vahid Mirjalili. Aprendizado de máquina com Pytorch e Scikit-Learn . Packt Publishing, 2022.
@book{mlbook2022,
address = {Birmingham, UK},
author = {Sebastian Raschka, and Yuxi (Hayden) Liu, and Vahid Mirjalili},
isbn = {978-1801819312},
publisher = {Packt Publishing},
title = {{Machine Learning with PyTorch and Scikit-Learn}},
year = {2022}
}
Ambiente de codificação
Consulte o arquivo CH01/README.MD para obter recomendações de configuração.
Traduções para outros idiomas
- Tradução sérvia: mašinsko učenje uz pytorch i scikit-learn. ISBN: 9788673105772