Practical Guide to Machine Learning, NLP, and Generative AI: Libraries, Algorithms, and Applications
Produktbeskrivelse
Denne boken er en uvurderlig ressurs for både nybegynnere og erfarne utøvere innen maskinlæring. Den gir en omfattende veiledning som dekker et bredt spekter av emner innen maskinlæring, og starter med en grundig utforskning av populære biblioteker. Leserne får en solid forståelse av Scikit-learn, TensorFlow, PyTorch, Keras og andre sentrale biblioteker som XGBoost, LightGBM og CatBoost, som er avgjørende for effektiv modellutvikling og distribusjon. Boken dykker ned i de ulike nevrale nettverksarkitekturene, og gir leserne en solid grunnlag i å forstå og anvende disse modellene. Den begynner med grunntrekkene ved Perceptron og dens anvendelse i siferskategorisering, for så å gå videre til mer komplekse strukturer som multilagsperceptroner for finansprognoser, radiale basisfunksjonsnettverk for prediksjon av luftkvalitet, og konvolusjonsnevrale nettverk (CNN) for bildeklassifisering. I tillegg tar boken for seg rekursive nevrale nettverk (RNN) og tilbyr innsikt i deres bruk og effektivitet.
