Machine Learning Theory and Applications: Hands-on Use Cases with Python on Classical and Quantum Machines

Эта книга представляет собой практическое руководство по машинному обучению, охватывающее как классические, так и квантовые вычислительные подходы. Автор, эксперт IBM, предлагает комплексное введение в теорию машинного обучения и глубокого обучения, включая различные стили обучения: контролируемое, неконтролируемое, частично контролируемое и обучение с подкреплением.

Книга содержит подробные объяснения ключевых концепций, таких как переобучение, кросс-валидация, функции потерь и работа с данными. Особое внимание уделяется практической реализации алгоритмов с использованием Python и популярных библиотек: Scikit-learn, TensorFlow, Keras и PyTorch. Все примеры кода представлены в Jupyter Notebook.

Уникальной особенностью издания является рассмотрение машинного обучения на квантовых процессорах (QPU) наряду с классическими CPU и GPU. Автор представляет инструмент HephAIstos для выполнения ML-задач на различных вычислительных архитектурах. Книга включает реальные кейсы применения, наборы данных и готовые примеры кода для самостоятельного экспериментирования.