Uczenie maszynowe z jezykiem JavaScript Rozwiazywanie zlozonych problemow.pdf

(3399 KB) Pobierz
Tytuł oryginału: Hands-on Machine Learning with JavaScript:
Solve complex computational web problems using machine learning
Tłumaczenie: Piotr Rajca
ISBN: 978-83-283-5196-7
Copyright © Packt Publishing 2018. First published in the English language under the title ‘Hands-on
Machine Learning with JavaScript – (9781788998246)’
Polish edition copyright © 2019 by Helion SA
All rights reserved. No part of this book may be reproduced or transmitted in any form or by any means,
electronic or mechanical, including photocopying, recording or by any information storage retrieval system,
without permission from the Publisher.
Wszelkie prawa zastrzeżone. Nieautoryzowane rozpowszechnianie całości lub fragmentu niniejszej
publikacji w jakiejkolwiek postaci jest zabronione. Wykonywanie kopii metodą kserograficzną,
fotograficzną, a także kopiowanie książki na nośniku filmowym, magnetycznym lub innym powoduje
naruszenie praw autorskich niniejszej publikacji.
Wszystkie znaki występujące w tekście są zastrzeżonymi znakami firmowymi bądź towarowymi ich
właścicieli.
Autor oraz Helion SA dołożyli wszelkich starań, by zawarte w tej książce informacje były kompletne
i rzetelne. Nie biorą jednak żadnej odpowiedzialności ani za ich wykorzystanie, ani za związane z tym
ewentualne naruszenie praw patentowych lub autorskich. Autor oraz Helion SA nie ponoszą również
żadnej odpowiedzialności za ewentualne szkody wynikłe z wykorzystania informacji zawartych w książce.
Helion SA
ul. Kościuszki 1c, 44-100 Gliwice
tel. 32 231 22 19, 32 230 98 63
e-mail:
helion@helion.pl
WWW:
http://helion.pl
(księgarnia internetowa, katalog książek)
Drogi Czytelniku!
Jeżeli chcesz ocenić tę książkę, zajrzyj pod adres
http://helion.pl/user/opinie/umasjs
Możesz tam wpisać swoje uwagi, spostrzeżenia, recenzję.
Printed in Poland.
•
Kup książkę
•
Poleć książkę
•
Oceń książkę
•
Księgarnia internetowa
•
Lubię to! » Nasza społeczność
Spis tre ci
O autorze
O recenzencie
Wst p
Rozdzia 1. Poznawanie potencja u j zyka JavaScript
J zyk JavaScript
Uczenie maszynowe
Zalety i wyzwania zwi zane ze stosowaniem j zyka JavaScript
Inicjatywa CommonJS
Node.js
J zyk TypeScript
Usprawnienia wprowadzone w ES6
Let i const
Klasy
Importowanie modu ów
Funkcje strza kowe
Litera y obiektowe
Funkcja for…of
Obietnice
Funkcje async/wait
Przygotowywanie rodowiska programistycznego
Instalowanie Node.js
Opcjonalne zainstalowanie Yarn
Tworzenie i inicjowanie przyk adowego projektu
Tworzenie projektu „Witaj, wiecie!”
Podsumowanie
7
8
9
15
15
18
20
21
22
24
26
26
27
29
29
31
31
32
33
34
34
35
35
36
38
Kup książkę
Poleć książkę
Spis tre ci
Rozdzia 2. Badanie danych
Przetwarzanie danych
Identyfikacja cech
Przekle stwo wymiarowo ci
Wybór cech oraz wyodr bnianie cech
Przyk ad korelacji Pearsona
Czyszczenie i przygotowywanie danych
Obs uga brakuj cych danych
Obs uga szumów
Obs uga elementów odstaj cych
Przekszta canie i normalizacja danych
Podsumowanie
39
39
42
43
45
48
51
51
53
58
61
68
Rozdzia 3. Przegl d algorytmów uczenia maszynowego
Wprowadzenie do uczenia maszynowego
Typy uczenia
Uczenie nienadzorowane
Uczenie nadzorowane
Uczenie przez wzmacnianie
Kategorie algorytmów
Grupowanie
Klasyfikacja
Regresja
Redukcja wymiarowo ci
Optymalizacja
Przetwarzanie j zyka naturalnego
Przetwarzanie obrazów
Podsumowanie
69
70
70
72
75
83
84
84
84
85
85
86
86
87
87
Rozdzia 4. Algorytmy grupowania na podstawie klastrów
rednia i odleg o
Pisanie algorytmu k- rednich
Przygotowanie rodowiska
Inicjalizacja algorytmu
Testowanie losowo wygenerowanych centroidów
Przypisywanie punktów do centroidów
Aktualizowanie po o enia centroidów
P tla g ówna
Przyk ad 1. — k- rednich na prostych danych dwuwymiarowych
Przyk ad 2. — dane trójwymiarowe
Algorytm k- rednich, kiedy k nie jest znane
Podsumowanie
89
90
93
93
94
99
100
102
106
107
114
116
122
4
Kup książkę
Poleć książkę
Spis tre ci
Rozdzia 5. Algorytmy klasyfikacji
k najbli szych s siadów
Implementacja algorytmu KNN
Naiwny klasyfikator bayesowski
Tokenizacja
Implementacja algorytmu
Przyk ad 3. — ocenianie charakteru recenzji filmów
Maszyna wektorów no nych
Lasy losowe
Podsumowanie
123
124
125
138
140
141
150
154
162
168
Rozdzia 6. Algorytmy regu asocjacyjnych
Z matematycznego punktu widzenia
Z punktu widzenia algorytmu
Zastosowania regu y asocjacji
Przyk ad — dane ze sprzeda y detalicznej
Podsumowanie
169
171
174
176
178
182
Rozdzia 7. Przewidywanie z u yciem algorytmów regresji
Porównanie regresji i klasyfikacji
Podstawy regresji
Przyk ad 1. — regresja liniowa
Przyk ad 2. — regresja wyk adnicza
Przyk ad 3. — regresja wielomianowa
Inne techniki analizy szeregów czasowych
Filtrowanie
Analiza sezonowo ci
Analiza fourierowska
Podsumowanie
183
184
185
189
193
198
200
201
203
204
206
Rozdzia 8. Algorytmy sztucznych sieci neuronowych
Opis koncepcji sieci neuronowych
Uczenie metod propagacji wstecznej
Przyk ad — XOR z u yciem TensorFlow.js
Podsumowanie
209
210
214
217
224
Rozdzia 9. G bokie sieci neuronowe
Konwolucyjne sieci neuronowe
Konwolucje oraz warstwy konwolucyjne
Przyk ad — zbiór MNIST r cznie zapisanych cyfr
Rekurencyjne sieci neuronowe
SimpleRNN
Topologia GRU
D uga pami krótkoterminowa — LSTM
Podsumowanie
227
228
229
234
241
242
246
249
252
5
Kup książkę
Poleć książkę

Plik z chomika:

Inne pliki z tego folderu:

Inne foldery tego chomika:

Zgłoś jeśli naruszono regulamin