Active Machine Learning with Python: Refine and elevate data quality over quantity with active learning (True/Retail PDF 2024.)
English | March 29th, 2024 | ISBN: 1835464947 | 176 pages | True EPUB (Retail Copy) | 6.35 MB
Utiliser le machine learning actif avec Python pour améliorer la précision des modèles prédictifs, rationaliser le processus d’analyse des données et s’adapter à l’évolution des tendances des données, favoriser l’innovation et les progrès dans divers domaines
Principales caractéristiques
• Apprendre à mettre en œuvre un pipeline pour créer des modèles optimaux à partir de grands ensembles de données et à moindre coût
• Obtenez des informations approfondies sur vos données tout en améliorant l’efficacité et la rapidité
• Appliquer vos connaissances à des cas d’utilisation réels et résoudre des problèmes complexes de ML
Description du livre
La création de modèles précis d’apprentissage automatique exige des données de qualité, beaucoup. Cependant, pour la plupart des équipes, l’assemblage d’ensembles de données massifs prend du temps, est coûteux ou carrément impossible. Dirigé par Margaux Masson-Forsythe, une ingénieure chevronnée en ML qui défend la science des données chirurgicales et les progrès de l’IA climatique, Ce guide pratique de l’apprentissage automatique actif montre comment former des modèles robustes avec seulement une fraction des données à l’aide des puissants outils d’apprentissage actif de Python.
Vous maîtriserez les techniques fondamentales de l’apprentissage actif, telles que la synthèse des requêtes d’adhésion, l’échantillonnage par flux et l’échantillonnage par pool, et obtiendrez des informations pour la conception et la mise en œuvre d’algorithmes d’apprentissage actif avec stratégie de requête et cadres Human-in-the-Loop. En explorant diverses techniques actives d’apprentissage automatique, vous apprendrez à améliorer les performances des modèles de vision par ordinateur comme la classification des images, la détection d’objets et la segmentation sémantique, et se plonger dans une méthode machine AL pour sélectionner les cadres les plus informatifs pour l’étiquetage de grandes vidéos, l’adressage des données dupliquées. Vous évaluerez également l’efficacité et l’efficience des systèmes actifs d’apprentissage automatique grâce à l’évaluation des performances.
À la fin du livre, vous pourrez améliorer vos projets d’apprentissage actif en tirant parti des bibliothèques Python, des cadres et des outils couramment utilisés.
Utilisez le machine learning actif avec Python pour améliorer l’accur
Ce que vous apprendrez
• Maîtriser les bases du machine learning actif
• Comprendre les stratégies de requête pour une formation optimale sur les modèles avec un minimum de données
• S’attaquer au déséquilibre des classes, à la dérive des concepts et à d’autres problèmes de données
• Évaluer et analyser le rendement du modèle d’apprentissage actif
• Intégrer efficacement les bibliothèques d’apprentissage actif dans les flux de travail
• Optimiser les flux de travail pour les étiqueteurs humains
• Explorer les meilleurs outils d’apprentissage actif disponibles aujourd’hui
À qui s’adresse ce livre
Idéal pour les data scientists et les ingénieurs ML visant à maximiser les performances du modèle tout en minimisant l’étiquetage coûteux des données, ce livre est votre guide pour optimiser les flux de travail ML et prioriser la qualité par rapport à la quantité. Que vous soyez un praticien technique ou un chef d’équipe, vous bénéficierez des méthodes éprouvées présentées dans ce livre pour réduire les besoins en données et itérer plus rapidement.La maîtrise de base de Python et la familiarité avec les concepts d’apprentissage automatique tels que les ensembles de données et les réseaux de neurones convolutionnels sont tout ce dont vous avez besoin pour commencer.
Download This eBOOK Free PDF:
Watch Vedio Cours Free AI and Python Programming :