Uczenie maszynowe
Uczenie maszynowe w C#. Szybkie, sprytne i solidne aplikacje
- Szczegóły
- Kategoria: Uczenie maszynowe
Uczenie maszynowe weszło już do kanonu technologii informatycznych. Praktyczne umiejętności w tej dziedzinie powinien posiadać każdy programista i analityk. Standardowo do rozwiązań związanych z machine learning stosuje się Pythona i opracowane dla niego biblioteki, niemniej równie skutecznie można do tego celu używać innych języków programowania. Trzeba jedynie dobrze zaznajomić się z wdrożeniami algorytmów uczenia maszynowego.
Niezwykle ciekawym rozwiązaniem jest pisanie takich implementacji w C#. Przemawiają za tym nie tylko zalety samego języka, ale i to, że większość aplikacji dla profesjonalistów jest pisana w C# przy użyciu takich narzędzi jak Visual Studio, SQL Server, Unity czy Microsoft Azure.
Ta książka jest przeznaczona dla doświadczonych programistów C#, którzy chcą nauczyć się technik machine learning, deep learning i sztucznej inteligencji. Opisano tu dostępne narzędzia do uczenia maszynowego, dzięki którym można łatwo budować inteligentne aplikacje .NET wykorzystujące takie rozwiązania jak wykrywanie obrazów lub ruchu, wnioskowanie bayesowskie, głębokie uczenie i głęboka wiara. Omówiono zasady implementacji algorytmów uczenia nadzorowanego i nienadzorowanego oraz ich zastosowanie w budowie modeli predykcji. Przedstawiono różne techniki, od prostej regresji liniowej, przez drzewa decyzyjne i SVM, po zaawansowane rozwiązania, takie jak sztuczne sieci neuronowe, autoenkodery lub uczenie ze wzmocnieniem.
Najciekawsze zagadnienia przedstawione w książce:
- podstawy uczenia maszynowego,
- wykorzystywanie logiki rozmytej,
- mapy samoorganizujące się,
- framework Kelp.Net i jego integracja z systemem ReflectInsight,
- realia obliczeń kwantowych.
Uczenie maszynowe - najlepiej z wydajnym C#!
Matt R. Cole od 30 lat programuje dla systemu Windows - biegle posługuje się językami: C, C++, C# oraz platformą .NET. Napisał system generowania mowy oraz system VOIP dla NASA, którego używano na promach kosmicznych i stacji kosmicznej. Przygotował pierwszy framework mikrousług klasy enterprise (napisany w całości w C# i .NET), wykorzystywany przez jeden z głównych funduszy hedgingowych. Napisał też framework sztucznej inteligencji, w którym zintegrowane zostały neurony lustrzane i kanoniczne.
- Spark. Rozproszone uczenie maszynowe na dużą skalę. Jak korzystać z MLlib, TensorFlow i PyTorch - [08 sierpień 2024]
- Uczenie maszynowe w języku R. Tworzenie i doskonalenie modeli - od przygotowania danych po dostrajanie, ewaluację i pracę z big data. Wydanie IV - [05 czerwiec 2024]
- Wnioskowanie i związki przyczynowe w Pythonie. Nowoczesne uczenie maszynowe z wykorzystaniem bibliotek DoWhy, EconML, PyTorch i nie tylko - [28 maj 2024]
- Uczenie maszynowe w Pythonie. Receptury. Od przygotowania danych do deep learningu. Wydanie II - [24 kwiecień 2024]
- Eksploracja danych za pomocą Excela. Metody uczenia maszynowego krok po kroku - [13 luty 2024]