Aprendizaje automático con TensorFlow Cookbook: Crea potentes algoritmos de aprendizaje automático con TensorFlow

Opiniones de los lectores

El libro es un libro de cocina práctico para TensorFlow 2.x que proporciona más de 60 recetas para resolver problemas de aprendizaje automático. Está dirigido tanto a principiantes como a profesionales experimentados, y ofrece ejemplos de código claros y una guía estructurada sobre la implementación de varios modelos de aprendizaje automático. Aunque el libro introduce eficazmente los conceptos clave y proporciona información sobre el uso de TensorFlow y Keras, asume un nivel de conocimiento previo en aprendizaje automático, lo que puede suponer un reto para los principiantes.

⬤ Cobertura exhaustiva de TensorFlow
⬤ x y Keras.
⬤ Más de 60 recetas prácticas con código claro y estructurado.
⬤ Secciones útiles para recursos adicionales.
⬤ Fuerte enfoque en el aprendizaje práctico y la aplicación práctica.
⬤ Adecuado tanto para principiantes con algunos conocimientos como para usuarios avanzados.
⬤ Capítulos bien organizados sobre diversos temas de aprendizaje automático.

⬤ Asume un conocimiento previo de los conceptos de aprendizaje automático, lo que puede confundir a los principiantes.
⬤ Algunos capítulos carecen de profundidad y estructura, especialmente en temas avanzados como Transformers y Reinforcement Learning.
⬤ Falta cobertura sobre TensorFlow-addons, lo que limita la exposición a algunas técnicas avanzadas.
⬤ Algunos lectores encuentran innecesarios y molestos los subtítulos de la estructura de las recetas.
⬤ Puede ser demasiado rápido para aquellos con poca o ninguna experiencia en los fundamentos del aprendizaje profundo.

(basado en 11 opiniones de lectores)

Título original:

Machine Learning Using TensorFlow Cookbook: Create powerful machine learning algorithms with TensorFlow

Contenido del libro:

Domine TensorFlow para crear potentes algoritmos de aprendizaje automático, con valiosos conocimientos sobre Keras, Boosted Trees, Tabular Data, Transformers, Reinforcement Learning y mucho más.

Características principales

⬤ Trabaje con el último código y ejemplos para TensorFlow 2.

⬤ Enfrentarse a los fundamentos incluyendo variables, matrices y fuentes de datos.

⬤ Aprenda técnicas avanzadas de aprendizaje profundo para hacer que sus algoritmos sean más rápidos y precisos.

Descripción del libro

Las recetas independientes en el Machine Learning Using TensorFlow Cookbook le enseñarán cómo realizar cálculos de datos complejos y obtener información valiosa sobre sus datos. Trabajará a través de recetas sobre modelos de entrenamiento, evaluación de modelos, análisis de sentimiento, análisis de regresión, redes neuronales artificiales y aprendizaje profundo - cada uno utilizando la biblioteca de aprendizaje automático de Google, TensorFlow.

Este libro de recetas comienza introduciéndole en los fundamentos de la biblioteca TensorFlow, incluyendo variables, matrices y diversas fuentes de datos. A continuación, profundizará en algunas implementaciones reales de Keras y TensorFlow y aprenderá a utilizar estimadores para entrenar modelos lineales y árboles potenciados, tanto para clasificación como para regresión, con el fin de proporcionar una línea base para problemas de datos tabulares.

A medida que avances, explorarás las aplicaciones prácticas de una variedad de arquitecturas de aprendizaje profundo, como las redes neuronales recurrentes y los Transformadores, y verás cómo se pueden aplicar a problemas de visión por ordenador y procesamiento del lenguaje natural (PLN). Una vez familiarizado con el ecosistema TensorFlow, el capítulo final le enseñará cómo llevar un proyecto a producción.

Al final de este libro de aprendizaje automático, serás competente en el uso de TensorFlow 2. También entenderás el aprendizaje profundo desde los fundamentos y serás capaz de implementar algoritmos de aprendizaje automático en escenarios del mundo real.

Qué aprenderá

⬤ Aprender técnicas de Regresión Lineal con TensorFlow.

⬤ Utilizar Estimadores para entrenar modelos lineales y árboles boosted para clasificación o regresión.

⬤ Ejecutar redes neuronales y mejorar predicciones sobre datos tabulares.

⬤ Master redes neuronales convolucionales y redes neuronales recurrentes a través de recetas prácticas.

⬤ Aplicar algoritmos de aprendizaje por refuerzo utilizando el framework TF-agents.

⬤ Implementar y ajustar modelos Transformer para diversas tareas de PLN.

⬤ Llevar TensorFlow a la producción.

Para quién es este libro

Si usted es un científico de datos o un ingeniero de aprendizaje automático, y desea saltarse las explicaciones teóricas detalladas en favor de la construcción de modelos de aprendizaje automático listos para la producción utilizando TensorFlow, este libro es para usted.

Familiaridad básica con Python, álgebra lineal, estadística y aprendizaje automático es necesaria para sacar el máximo provecho de este libro.