Прикладное машинное обучение без учителя с использованием Python
Эта книга представляет собой практическое руководство по применению методов машинного обучения без учителя с использованием языка Python. Автор, Анкур Пател, подробно рассматривает ключевые алгоритмы и техники, позволяющие извлекать ценную информацию из неразмеченных данных.
В первой части книги читатель знакомится с основами машинного обучения без учителя, его отличиями от обучения с учителем, сильными и слабыми сторонами. Рассматриваются типичные задачи, такие как снижение размерности, кластеризация и обнаружение аномалий, а также способы интеграции этих методов для улучшения традиционных систем машинного обучения.
Вторая часть посвящена реализации алгоритмов с использованием библиотеки Scikit-learn. Здесь на практических примерах разбираются методы снижения размерности (PCA, t-SNE), обнаружения аномалий и кластеризации (k-means, иерархическая кластеризация), а также их применение для сегментации групп.
Третья и четвёртая части книги погружают читателя в мир глубокого обучения без учителя с использованием TensorFlow и Keras. Рассматриваются автокодировщики, их архитектура и реализация, обучение с частичным привлечением учителя, рекомендательные системы на основе ограниченных машин Больцмана, глубокие сети доверия, генеративно-состязательные сети (GAN) и методы кластеризации временных рядов.
Книга содержит множество практических примеров, готовых проектов и рекомендаций по настройке среды разработки. Она будет полезна data scientist'ам, аналитикам данных и разработчикам, которые хотят освоить передовые методы работы с неразмеченными данными и расширить свой инструментарий в области искусственного интеллекта.
