Прикладное машинное обучение с помощью Scikit-Learn, Keras и TensorFlow. Концепции, инструменты

Часть I. Основы машинного обучения
Глава 1. Введение в машинное обучение
Глава 2. Полный проект машинного обучения
Глава 3. Классификация
Глава 4. Обучение моделей
Глава 5. Методы опорных векторов
Глава 6. Деревья принятия решений
Глава 7. Ансамблевое обучение и случайные леса
Глава 8. Понижение размерности
Глава 9. Методики обучения без учителя
Часть II. Нейронные сети и глубокое обучение
Глава 10. Введение в искусственные нейронные сети с использованием
Keras
Глава 11. Обучение глубоких нейронных сетей
Глава 12. Специальные модели и обучение с помощью TensorFlow
Глава 13. Загрузка и предварительная обработка данных с помощью
TensorFlow
Глава 14. Глубокое компьютерное зрение с использованием сверточных
нейронных сетей
Глава 15. Обработка последовательностей с использованием
рекуррентных и сверточных нейронных сетей
Глава 16. Обработка естественного языка с помощью рекуррентных
нейронных сетей и внимания
Глава 17. Обучение представлению и порождению с использованием
автокодировщиков и порождающих состязательных сетей
Глава 18. Обучение с подкреплением
Глава 19. Широкомасштабное обучение и развертывание моделей
TensorFlow
Приложение А. Решения упражнений
Приложение Б. Контрольный перечень для проекта машинного обучения
Приложение В. Двойственная задача SVM
Приложение Г. Автоматическое дифференцирование
Приложение Д. Другие популярные архитектуры искусственных
нейронных сетей
Приложение Е. Специальные структуры данных
Приложение Ж. Графы TensorFlow
Предметный указатель