Прикладное машинное обучение без учителя с использованием Python

[html]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 "Прикладное машинное обучение без учителя с использованием Python" 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 подкреплением- Запуск готового проекта машинного обучения- Создание системы обнаружения аномалий для выявления попыток мошенничества с банковскими картами- Кластеризация пользователей путем разбиения их на отчетливо различимые однородные группы- Обучение с частичным привлечением учителя- Построение рекомендательной системы фильмов с использованием ограниченных машин Больцмана- Генерирование синтетических изображений с помощью генеративно-состязательных сетейОб авторе:Анкур 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.Оглавление книги "Прикладное машинное обучение без учителя с использованием Python"Введение 17Часть I. Основы обучения без учителяГлава 1. Обучение без учителя как один из видов машинного обучения 29Глава 2. Готовый проект машинного обучения 63Часть II. Обучение без учителя с использованием библиотеки Scikit-learnГлава 3. Снижение размерности 117Глава 4. Обнаружение аномалий 149Глава 5. Кластеризация 183Глава 6. Сегментирование групп 209Часть III. Обучение без учителя с использованием библиотек TensorFlow и KerasГлава 7. Автокодировщики 233Глава 8. Реализация автокодировщиков 245Глава 9. Обучение с частичным привлечением учителя 289Часть IV. Глубокое обучение без учителя с использованием библиотекTensorFlow и KerasГлава 10. Рекомендательные системы на основе ограниченных машин Больцмана 305Глава 11. Обнаружение признаков с помощью глубоких сетей доверия 329Глава 12. Генеративно-состязательные сети 363Глава 13. Кластеризация временных рядов 383Глава 14. Заключение 411Предметный указатель 421[/html]