Прикладное машинное обучение без учителя с использованием Python

По мнению многих отраслевых экспертов, обучение без учителя передовой рубеж технологий искусственного интеллекта (ИИ) и, возможно, ключ к созданию сильного ИИ. Поскольку подавляющая часть накопленных в мире данных не размечена, к ним нельзя применять традиционное обучение с учителем. В то же время обучение без учителя позволяет успешно работать с неразмеченными наборами данных и выявлять заложенные в них закономерности, обнаружить которые человеку не под силу.Автор книги показывает, как реализовать обучение без учителя на основе двух платформ Python: Scikit-learn и TensorFlow/Keras. Используя готовый код и практические примеры, специалисты по работе с данными смогут выявлять скрытые закономерности в информационных массивах, более глубоко анализировать деловые данные, обнаруживать аномалии, выполнять автоматическое конструирование признаков и генерировать синтетические наборы данных. Все, что потребуется от читателя, знание программирования и предварительный опыт работы в области машинного обучения.Основные темы книги:Сравнение сильных и слабых сторон различных подходов к машинному обучению: с учителем, без учителя и с подкреплениемЗапуск готового проекта машинного обученияСоздание системы обнаружения аномалий для выявления попыток мошенничества с банковскими картамиКластеризация пользователей путем разбиения их на отчетливо различимые однородные группыОбучение с частичным привлечением учителяПостроение рекомендательной системы фильмов с использованием ограниченных машин БольцманаГенерирование синтетических изображений с помощью генеративно-состязательных сетейКнига обсуждается в отдельном сообщении в блоге Виктора Штонда.Об автореАнкур Пател вице-президент компании 7Park Data, входящей в портфель активов инвестиционной компании Vista Equity Partners.Вместе со своей командой разрабатывает программные продукты по обработке данных для хедж-фондов, а также систему MLaaS (машинное обучение как услуга), предназначенную для корпоративных клиентов.