Descripción
Reabastezca sus modelos de IA y aplicaciones de ML con soluciones de optimización y búsqueda de alta calidad Características principalesCobertura completa sobre la implementación práctica de algoritmos genéticos.
Explicaciones y visualizaciones intuitivas que complementan los conceptos teóricos.
Ejemplos y casos de uso adicionales sobre el rendimiento de los algoritmos genéticos.
Uso de bibliotecas de Python y una cobertura especializada en la optimización del rendimiento de los algoritmos genéticos.
Descripción
Los algoritmos genéticos son una de las técnicas más sencillas y potentes utilizadas en el aprendizaje automático. Este libro, "Aprendiendo algoritmos genéticos con Python", guía al lector desde los conceptos básicos de los algoritmos genéticos hasta su implementación práctica en entornos de producción.
Cada capítulo ofrece al lector una comprensión intuitiva de cada concepto. Aprenderá a construir un algoritmo genético desde cero e implementarlo en problemas de la vida real. Con ejemplos prácticos ilustrados, aprenderá a diseñar y elegir la mejor arquitectura de modelo para tareas específicas. Con ejemplos de vanguardia, como los radares y los problemas de gestión de fútbol, aprenderá a resolver desafíos de big data de alta dimensión con formas de optimizar los algoritmos genéticos. Lo que aprenderá
Comprender el mecanismo de los algoritmos genéticos utilizando bibliotecas populares de Python.
Aprender los principios y la arquitectura de los algoritmos genéticos.
Aplicar y resolver problemas de planificación, programación y análisis en aplicaciones empresariales.
Aprendizaje experto de conceptos clave como Selección, Mutación y Cruce.
A quién va dirigido este libro
El libro está dirigido a equipos de ciencia de datos, equipos de análisis, ingenieros de IA y profesionales de ML que deseen integrar algoritmos genéticos para reabastecer sus aplicaciones de ML e IA. No se requiere experiencia especial en aprendizaje automático, aunque se espera un conocimiento básico de Python. Tabla de contenido
1. Introducción
2. Flujo del algoritmo genético
3. Selección
4. Cruce
5. Mutación
6. Eficacia
7. Ajuste de parámetros
8. Función de caja negra
9. Optimización combinatoria: codificación de genes binarios
10. Optimización combinatoria: codificación de genes ordenados
11. Otros problemas comunes
12. Algoritmo genético adaptativo
13. Mejora del rendimiento Sobre el autor
Ivan Gridin es un matemático, desarrollador fullstack, científico de datos y experto en aprendizaje automático que vive en Moscú, Rusia. A lo largo de los años, trabajó en sistemas distribuidos de alta carga e implementó diferentes enfoques de aprendizaje automático en la práctica. Una de las áreas clave de su investigación es el diseño y análisis de modelos predictivos de series temporales. Ivan tiene habilidades matemáticas fundamentales en teoría de la probabilidad, teoría de procesos aleatorios, análisis de series temporales, aprendizaje automático, aprendizaje profundo y optimización. También tiene un profundo conocimiento y comprensión de varios lenguajes de programación como Java, Python, PHP y MATLAB. Es un padre y esposo amoroso, y coleccionista de libros antiguos de matemáticas. Perfil de LinkedIn: www.linkedin.com/in/survex
Enlaces del blog: https: //www.facebook.com/ivan.gridin/
Autor: Ivan Gridin
Editorial: Bpb Publications
Publicado: 13/02/2021
Páginas: 270
Tipo de encuadernación: Tapa blanda
Peso: 1.03 libras
Tamaño: 9.25h x 7.50w x 0.57d
ISBN13: 9788194837756
ISBN10: 8194837758
Categorías BISAC:
- Informática | Ciencias de la Computación
Los algoritmos genéticos son una de las técnicas más sencillas y potentes utilizadas en el aprendizaje automático. Este libro, "Aprendiendo algoritmos genéticos con Python", guía al lector desde los conceptos básicos de los algoritmos genéticos hasta su implementación práctica en entornos de producción.
Cada capítulo ofrece al lector una comprensión intuitiva de cada concepto. Aprenderá a construir un algoritmo genético desde cero e implementarlo en problemas de la vida real. Con ejemplos prácticos ilustrados, aprenderá a diseñar y elegir la mejor arquitectura de modelo para tareas específicas. Con ejemplos de vanguardia, como los radares y los problemas de gestión de fútbol, aprenderá a resolver desafíos de big data de alta dimensión con formas de optimizar los algoritmos genéticos. Lo que aprenderá
El libro está dirigido a equipos de ciencia de datos, equipos de análisis, ingenieros de IA y profesionales de ML que deseen integrar algoritmos genéticos para reabastecer sus aplicaciones de ML e IA. No se requiere experiencia especial en aprendizaje automático, aunque se espera un conocimiento básico de Python. Tabla de contenido
1. Introducción
2. Flujo del algoritmo genético
3. Selección
4. Cruce
5. Mutación
6. Eficacia
7. Ajuste de parámetros
8. Función de caja negra
9. Optimización combinatoria: codificación de genes binarios
10. Optimización combinatoria: codificación de genes ordenados
11. Otros problemas comunes
12. Algoritmo genético adaptativo
13. Mejora del rendimiento Sobre el autor
Ivan Gridin es un matemático, desarrollador fullstack, científico de datos y experto en aprendizaje automático que vive en Moscú, Rusia. A lo largo de los años, trabajó en sistemas distribuidos de alta carga e implementó diferentes enfoques de aprendizaje automático en la práctica. Una de las áreas clave de su investigación es el diseño y análisis de modelos predictivos de series temporales. Ivan tiene habilidades matemáticas fundamentales en teoría de la probabilidad, teoría de procesos aleatorios, análisis de series temporales, aprendizaje automático, aprendizaje profundo y optimización. También tiene un profundo conocimiento y comprensión de varios lenguajes de programación como Java, Python, PHP y MATLAB. Es un padre y esposo amoroso, y coleccionista de libros antiguos de matemáticas. Perfil de LinkedIn: www.linkedin.com/in/survex
Enlaces del blog: https: //www.facebook.com/ivan.gridin/
Autor: Ivan Gridin
Editorial: Bpb Publications
Publicado: 13/02/2021
Páginas: 270
Tipo de encuadernación: Tapa blanda
Peso: 1.03 libras
Tamaño: 9.25h x 7.50w x 0.57d
ISBN13: 9788194837756
ISBN10: 8194837758
Categorías BISAC:
- Informática | Ciencias de la Computación
Este título no es retornable