Знакомство с машинным обучением и библиогекой TensorFlow похоже на первые уроки в автошколе, когда вы мучаетесь с параллельной парковкой, пытаетесь переключить передачу в нужный момент и не перепугать зеркала, лихорадочно вспоминая последовательность действий, в то время как ваша нога нервно подрагивает на педали газа. Это сложное, но необходимое упражнение. Так и в машинном обучении: прежде чем использовать современные системы распознавания лиц или алгоритмы прогнозирования па фондовом рынке, вам придется разобраться с соответствующим инструментарием и набором инструкций, чтобы затем без проблем создавать собственные системы. Новички в машинном обучении оценят прикладную направленность этой книги, ведь ее цель — познакомить с основами, чтобы затем быстро приступить к решению реальных задач. От обзора концепций машинного обучения и принципов работы с TensorFlow вы перейдете к базовым алгоритмам, изучите нейронные сети и сможете самостоятельно решать задачи классификации, кластеризации, регрессии и прогнозирования.
Znakomstvo s mashinnym obucheniem i bibliogekoy TensorFlow pokhozhe na pervye uroki v avtoshkole, kogda vy muchaetes s parallelnoy parkovkoy, pytaetes pereklyuchit peredachu v nuzhnyy moment i ne perepugat zerkala, likhoradochno vspominaya posledovatelnost deystviy, v to vremya kak vasha noga nervno podragivaet na pedali gaza. Eto slozhnoe, no neobkhodimoe uprazhnenie. Tak i v mashinnom obuchenii: prezhde chem ispolzovat sovremennye sistemy raspoznavaniya lits ili algoritmy prognozirovaniya pa fondovom rynke, vam pridetsya razobratsya s sootvetstvuyushchim instrumentariem i naborom instruktsiy, chtoby zatem bez problem sozdavat sobstvennye sistemy. Novichki v mashinnom obuchenii otsenyat prikladnuyu napravlennost etoy knigi, ved ee tsel poznakomit s osnovami, chtoby zatem bystro pristupit k resheniyu realnykh zadach. Ot obzora kontseptsiy mashinnogo obucheniya i printsipov raboty s TensorFlow vy pereydete k bazovym algoritmam, izuchite neyronnye seti i smozhete samostoyatelno reshat zadachi klassifikatsii, klasterizatsii, regressii i prognozirovaniya.
