Mãos à Obra: Aprendizado de Máquina com Scikit-Learn e TensorFlow

Conceitos, ferramentas e técnicas para a construção de sistemas inteligentes. Com uma série de recentes avanços, o aprendizado profundo impulsionou todo o campo do aprendizado de máquina. Agora, mesmo os programadores que pouco sabem sobre esta tecnologia podem utilizar ferramentas simples e eficientes para implementar programas capazes de aprender com dados. Este livro prático mostra como fazê-lo. Utilizando exemplos concretos, uma teoria mínima e duas estruturas python prontas para produção - scikit-learn e tensorflow - o autor aurélien géron ajuda você a adquirir uma compreensão intuitiva dos conceitos e ferramentas para a construção de sistemas inteligentes. Você aprenderá uma variedade de técnicas, começando com uma regressão linear simples e progredindo para redes neurais profundas. Com exercícios em cada capítulo para ajudá-lo a aplicar o que aprendeu, você só precisa ter experiência em programação para começar. - explore o cenário do aprendizado de máquina, especialmente as redes neurais - utilize o scikit-learn para acompanhar um exemplo de projeto de aprendizado de máquina de ponta a ponta - examine vários modelos de treinamento, incluindo máquinas de vetor de suporte, árvores de decisão, florestas aleatórias e métodos de ensemble - use a biblioteca tensorflow para construir e treinar redes neurais - mergulhe em arquiteturas de rede neural, incluindo redes convolutivas, redes recorrentes e aprendizado por reforço profundo - aprenda técnicas para treinamento e dimensionamento de redes neurais profundas - aplique exemplos práticos de código sem recorrer a teorias excessivas ou detalhes de algoritmo do aprendizado de máquinas.