Python и машинное обучение. Машинное и глубокое обучение с использованием Python, scikit-learn

Предисловие
Глава 1. Наделение компьютеров способностью обучения на данных
Глава 2. Обучение простых алгоритмов МО для классификации
Глава 3. Обзор классификаторов на основе машинного обучения с
использованием scikit-learn
Глава 4. Построение хороших обучающих наборов — предварительная
обработка данных
Глава 5. Сжатие данных с помощью понижения размерности
Глава 6. Освоение практического опыта оценки моделей и настройки
гиперпараметров
Глава 7. Объединение разных моделей для ансамблевого обучения
Глава 8. Применение машинного обучения для смыслового анализа
Глава 9. Встраивание модели машинного обучения в веб-приложение
Глава 10. Прогнозирование значений непрерывных целевых
переменных с помощью регрессионного анализа
Глава 11. Работа с непомеченными данными — кластерный анализ
Глава 12. Реализация многослойной искусственной нейронной сети с нуля
Глава 13. Распараллеливание процесса обучения нейронных сетей
с помощью TensorFlow
Глава 14. Погружаемся глубже — механика TensorFlow
Глава 15. Классификация изображений с помощью глубоких
сверточных нейронных сетей
Глава 16. Моделирование последовательных данных с использованием
рекуррентных нейронных сетей
Глава 17. Порождающие состязательные сети для синтеза новых
данных
Глава 18. Обучение с подкреплением для принятия решений
в сложных средах
Предметный указатель