UCZENIE MASZYNOWE W C#

49.00

Na stanie

O autorze 11

O recenzencie 12

Wstęp 9

Rozdział 1. Podstawy uczenia maszynowego 13

  • Wprowadzenie do uczenia maszynowego 14
  • Wydobywanie danych 18
  • Sztuczna inteligencja 18
  • Bio-SI 18
  • Uczenie głębokie 19
  • Probabilistyka i statystyka 19
  • Rozpoczynanie projektu uczenia maszynowego 20
    • Zbieranie danych 20
    • Przygotowanie danych 20
    • Wybranie modelu i trening 21
    • Ocena modelu 22
    • Poprawianie modelu 22
  • Zbiór danych o irysach 22
    • Rodzaje uczenia maszynowego 24
  • Uczenie nadzorowane 25
    • Kompromis odchylenie – wariancja 25
    • Ilość danych treningowych 26
    • Wymiarowość przestrzeni wejścia 27
    • Nieprawidłowe wartości wyjścia 27
    • Heterogeniczność danych 27
  • Uczenie nienadzorowane 28
  • Uczenie ze wzmocnieniem 29
  • Lepiej kupić, zbudować czy skorzystać z otwartych źródeł? 29
  • Dodatkowa lektura 30
  • Podsumowanie 31
  • Odwołania 31

Rozdział 2. ReflectInsight – monitorowanie w czasie rzeczywistym 33

  • Router 34
  • Przeglądarka protokołu 35
  • Przeglądarka na żywo 35
    • Nawigacja w komunikatach 35
    • Przeszukiwanie komunikatów 38
    • Formatowanie czasu i daty 38
    • Automatyczne zapisywanie i czyszczenie 39
    • SDK 43
    • Edytor konfiguracji 43
  • Podsumowanie 45

Rozdział 3. Wnioskowanie Bayesa – rozwiązywanie zagadki ucieczki z miejsca wypadku i analizowanie danych 47

  • Twierdzenie Bayesa 48
  • Naiwny klasyfikator bayesowski i rysowanie danych 54
    • Rysowanie danych 55
  • Podsumowanie 61
  • Odwołania 63

Rozdział 4. Ryzyko i nagroda – uczenie ze wzmocnieniem 65

  • Uczenie ze wzmocnieniem 65
  • Rodzaje uczenia 68
  • Q-uczenie 68
  • SARSA 69
  • Uruchamianie aplikacji 69
  • Wieże Hanoi 74
  • Podsumowanie 80
  • Odwołania 81

Rozdział 5. Logika rozmyta – nawigowanie na torze przeszkód 83

  • Logika rozmyta 84
  • Pojazd kierowany automatycznie 86
  • Podsumowanie 95
  • Odwołania 95

Rozdział 6. Łączenie kolorów – mapy samoorganizujące i elastyczne sieci neuronowe 97

  • Zrozumieć istotę sieci samoorganizującej 98
  • Podsumowanie 112

Rozdział 7. Wykrywanie twarzy i ruchu – filtrowanie obrazów 113

  • Wykrywanie twarzy 114
  • Wykrywanie ruchu 122
    • Dodawanie funkcji wykrywania ruchu do swojej aplikacji 125
  • Podsumowanie 127

Rozdział 8. Encyklopedia i neurony – problem komiwojażera 129

  • Problem komiwojażera 129
  • Parametr współczynnika uczenia 147
  • Promień uczenia 148
  • Podsumowanie 148

Rozdział 9. Mam przyjąć tę pracę? – drzewa decyzji w akcji 149

  • Drzewo decyzyjne 150
    • Węzeł decyzyjny 151
    • Zmienna decyzyjna 151
    • Kolekcja węzłów gałęzi decyzyjnej 151
  • Mam przyjąć tę pracę? 152
  • numl 154
  • Drzewa decyzyjne w Accord.NET 155
    • Kod uczący 156
    • Tablica pomyłek 158
    • Wizualizacja typu błędu 159
  • Podsumowanie 161
  • Odwołania 161

Rozdział 10. Głęboka wiara – głębokie sieci i sny 163

  • Ograniczone maszyny Boltzmanna 163
  • Warstwy 166
  • O czym śni komputer? 171
  • Podsumowanie 175
  • Odwołania 175

Rozdział 11. Mikrotesty porównawcze i funkcje aktywacji 177

  • Rysowanie funkcji aktywacji 178
  • Rysowanie wszystkich funkcji aktywacji 180
  • Główna funkcja rysująca 181
  • Testy porównawcze 182
  • Podsumowanie 186

Rozdział 12. Intuicyjne uczenie głębokie w C# i .NET 187

  • Czym jest uczenie głębokie? 188
    • OpenCL 189
    • Hierarchia OpenCL 189
  • Framework Kelp.Net 192
    • Funkcje 192
    • Stosy funkcji 192
    • Słowniki funkcji 194
    • Caffe 194
    • Strata 195
    • Optymalizacje 195
    • Zbiory danych 196
    • Testy 198
    • Monitorowanie w Kelp.Net 199
    • Weaver 200
    • Tworzenie testów 202
    • Testy porównawcze funkcji 203
    • Uruchamianie testu porównawczego 203
  • Podsumowanie 206
  • Odwołania 206

Rozdział 13. Obliczenia kwantowe – spojrzenie w przyszłość 207

  • Superpozycja 209
  • Teleportacja 209
    • Splątanie 209
  • Podsumowanie 213

Skorowidz 214

Autor

ISBN

978-83-283-5233-9

Liczba stron

Rok wydania

Wydawca

Opinie

Na razie nie ma opinii o produkcie.

Napisz pierwszą opinię o „UCZENIE MASZYNOWE W C#”