Adaptive Machine Learning Algorithms with Python: Solve Data Analytics and Machine Learning Problems on Edge Devices
Эта книга представляет собой практическое руководство по разработке и внедрению адаптивных алгоритмов машинного обучения для работы на edge-устройствах. Автор фокусируется на решении реальных проблем анализа данных и машинного обучения в условиях ограниченных вычислительных ресурсов, памяти и энергопотребления.
В книге подробно рассматриваются линейные преобразования для извлечения признаков, включая обеление данных, метод главных компонент (PCA), линейный дискриминантный анализ и сингулярное разложение. Особое внимание уделяется нейробиологическим основам алгоритмов, таким как хеббовское обучение, а также архитектурам автоассоциативных и гетероассоциативных нейронных сетей.
Практическая часть построена на использовании Python и современных библиотек машинного обучения. Книга содержит примеры кода, рекомендации по оптимизации моделей для развертывания на устройствах с ограниченными ресурсами и стратегии адаптации алгоритмов к изменяющимся данным в реальном времени.
