Hands-On Machine Learning with C++: Construya, entrene y despliegue pipelines de aprendizaje automático y aprendizaje profundo de extremo a extremo

Opiniones de los lectores

El libro ofrece una perspectiva única sobre la implementación del aprendizaje automático con C++, llenando un vacío importante en los recursos educativos para programadores de C++. Proporciona numerosos ejemplos reales que hacen que el aprendizaje automático en C++ sea accesible y práctico. Sin embargo, adolece de problemas de organización y es posible que no se adapte bien a los principiantes absolutos, en particular a los que no están familiarizados con las bibliotecas y los conceptos necesarios.

Contiene ejemplos completos con datos reales, lo que hace que el material sea inmediatamente aplicable. Salva la distancia entre los recursos de ML en C++ y Python. Buena visión general de los conceptos y algoritmos de ML. Responde a las necesidades de los desarrolladores de C++ con ejemplos prácticos de código y compatibilidad con librerías como PyTorch. Proporciona un entorno Docker, lo que facilita la configuración de los ejemplos.

Mal organizado, sin un público objetivo claro. Puede abrumar a los principiantes debido a la falta de explicaciones básicas sobre las bibliotecas. No es fácil de usar para aquellos que no tienen experiencia con C++. Requiere Docker para la configuración de ejemplos, lo que podría ser una barrera para algunos usuarios. Algunos lectores creen que le falta profundidad en la explicación de las herramientas y los conceptos.

(basado en 6 opiniones de lectores)

Título original:

Hands-On Machine Learning with C++: Build, train, and deploy end-to-end machine learning and deep learning pipelines

Contenido del libro:

Implementar algoritmos de aprendizaje automático supervisados y no supervisados utilizando bibliotecas de C++ como PyTorch C++ API, Caffe2, Shogun, Shark-ML, mlpack y dlib con la ayuda de ejemplos y conjuntos de datos del mundo real.

Características principales

⬤ Familiarizarse con el procesamiento de datos, la medición del rendimiento y la selección de modelos utilizando varias bibliotecas de C ++.

⬤ Implemente técnicas prácticas de aprendizaje automático y aprendizaje profundo para construir modelos inteligentes.

⬤ Despliegue modelos de aprendizaje automático para trabajar en dispositivos móviles e integrados.

Descripción del libro

C++ puede hacer que sus modelos de aprendizaje automático se ejecuten de forma más rápida y eficiente. Esta práctica guía le ayudará a aprender los fundamentos del aprendizaje automático (ML), mostrándole cómo utilizar las bibliotecas de C++ para sacar el máximo provecho de sus datos. Este libro facilita el aprendizaje automático con C++ para principiantes con su enfoque basado en ejemplos, demostrando cómo implementar algoritmos de ML supervisados y no supervisados a través de ejemplos del mundo real.

Este libro le permitirá poner a punto y optimizar un modelo para diferentes casos de uso, ayudándole con la selección del modelo y la medición del rendimiento. Cubrirá técnicas como las recomendaciones de productos, el aprendizaje conjunto y la detección de anomalías utilizando bibliotecas C++ modernas como PyTorch C++ API, Caffe2, Shogun, Shark-ML, mlpack y dlib. A continuación, explorarás las redes neuronales y el aprendizaje profundo utilizando ejemplos como la clasificación de imágenes y el análisis de sentimientos, que te ayudarán a resolver diversos problemas. Más adelante, aprenderá a manejar los desafíos de producción y despliegue en plataformas móviles y en la nube, antes de descubrir cómo exportar e importar modelos utilizando el formato ONNX.

Al final de este libro de C ++, tendrás conocimientos de aprendizaje automático y C ++ del mundo real, así como las habilidades para usar C ++ para construir potentes sistemas de ML.

Lo que aprenderá

⬤ Explorar cómo cargar y preprocesar varios tipos de datos en estructuras de datos C++ adecuadas.

⬤ Emplear algoritmos clave de aprendizaje automático con varias bibliotecas de C++.

⬤ Comprender el enfoque de búsqueda de cuadrícula para encontrar los mejores parámetros para un modelo de aprendizaje automático.

⬤ Implementar un algoritmo para filtrar anomalías en los datos de usuario utilizando la distribución de Gauss.

⬤ Mejorar el filtrado colaborativo para hacer frente a las preferencias dinámicas de los usuarios.

⬤ Utilizar librerías C++ y APIs para gestionar estructuras y parámetros de modelos.

⬤ Implementar un programa C++ para resolver tareas de clasificación de imágenes con arquitectura LeNet.

A quién va dirigido este libro

Este libro de aprendizaje automático en C++ le resultará útil si desea iniciarse en los algoritmos y técnicas de aprendizaje automático utilizando el popular lenguaje C++. Además de ser un útil primer curso de aprendizaje automático con C++, este libro también resultará atractivo para analistas de datos, científicos de datos y desarrolladores de aprendizaje automático que deseen implementar diferentes modelos de aprendizaje automático en producción utilizando diversos conjuntos de datos y ejemplos. Para empezar a trabajar con este libro es obligatorio tener conocimientos del lenguaje de programación C++.