handson unsupervised learning 다운로드 - handson unsupervised learning 소스 코드 다운로드

handson unsupervised learning

AI 소스 코드

Better support for Tensor

다운로드

Python을 사용한 실습형 비지도 학습

이 저장소에는 Ankur A. Patel이 쓴 O'Reilly Media, Inc. 책 "Python을 사용한 비지도 학습 실습: 레이블이 지정되지 않은 데이터에서 응용 기계 학습 솔루션을 구축하는 방법"에 대한 코드가 포함되어 있습니다.

공식 도서 웹사이트: https://www.unsupervisedlearningbook.com/thebook

Amazon에서 사용 가능: https://www.amazon.com/Hands-Unsupervised-Learning-Using-Python/dp/1492035645

O'Reilly Safari에서 이용 가능: https://www.oreilly.com/library/view/hands-on-unsupervised-learning/9781492035633/

저자에 대한 추가 정보: https://www.ankurapatel.io

릴리스 업데이트

2021년 5월: TensorFlow 2.x, Fashion MNIST 예제 및 차원 축소를 위한 Tensorboard에 대한 지원이 추가되었습니다.

책 설명

많은 업계 전문가들은 비지도 학습이 인공 지능의 다음 개척지, 소위 일반 인공 지능이라고 불리는 AI 연구의 성배의 열쇠를 쥐고 있을 수 있다고 생각합니다. 전 세계 데이터의 대부분은 레이블이 지정되어 있지 않으므로 기존 지도 학습을 적용할 수 없습니다. 비지도 학습이 필요한 곳입니다. 비지도 학습은 레이블이 지정되지 않은 데이터 세트에 적용되어 데이터 깊숙이 묻혀 있는 의미 있는 패턴, 즉 인간이 발견하기 거의 불가능한 패턴을 발견할 수 있습니다.

저자 Ankur Patel은 프로덕션에 즉시 사용 가능한 두 가지 간단한 Python 프레임워크인 scikit-learn과 TensorFlow를 사용하여 비지도 학습을 적용하는 방법에 대한 실용적인 지식을 제공합니다. 제공된 실습 예제와 코드를 통해 데이터에서 찾기 어려운 패턴을 식별하고 더 깊은 비즈니스 통찰력을 얻고, 이상 징후를 감지하고, 자동 기능 엔지니어링 및 선택을 수행하고, 합성 데이터세트를 생성할 수 있습니다. 시작하려면 프로그래밍과 기계 학습 경험만 있으면 됩니다.

감독 학습, 비지도 학습, 강화 학습 등 다양한 기계 학습 접근 방식의 강점과 약점을 비교하세요.
데이터 수집부터 모델 구축, 프로덕션 솔루션 구현까지 모든 과정을 엔드투엔드 방식으로 기계 학습 프로젝트 설정 및 관리
차원 축소 알고리즘을 사용하여 데이터에서 가장 관련성이 높은 정보를 찾아내고 신용카드 사기를 포착하기 위한 이상 탐지 시스템을 구축합니다.
클러스터링 알고리즘을 적용하여 대출 사용자와 같은 사용자를 별개의 동종 그룹으로 분류합니다.
자동 인코더를 사용하여 자동 기능 엔지니어링 및 선택 수행
지도 및 비지도 학습 알고리즘을 결합하여 준지도 솔루션 개발
제한된 볼츠만 머신을 사용하여 영화 추천 시스템 구축
심층 신념 네트워크와 생성적 적대 네트워크를 사용하여 합성 이미지 생성
심전도 등 시계열 데이터에 대한 클러스터링 수행
현재까지 비지도 학습의 성공과 유망한 미래를 살펴보세요.

구글 협업

로컬 컴퓨터 대신 Google Colab을 사용하려면 다음 지침에 따라 Google Colab에서 코드를 실행하세요.

기본 Conda 환경 설정

이 저장소를 로컬 컴퓨터에서 실행하려면 아래 지침을 따르세요.

macOS를 사용하는 경우 터미널에서 xcode-select --install 사용하여 Xcode 명령줄 도구를 설치하세요.
OS에 따라 Python 3.8의 Miniforge 배포판을 설치합니다. Windows를 사용하는 경우 원하는 경우 Miniforge 배포판 대신 Python 3.8의 Anaconda 배포판을 선택할 수 있습니다.
NVIDIA GPU 지원을 위해서는 CUDA 11.0을 설치하세요. 이는 일부 NVIDIA GPU에서만 사용할 수 있습니다.
새로운 Anaconda 환경을 설정하고 OS에 따라 다음 지침을 따르십시오.

Windows 의 경우:

 ```
conda env create -f environment_windows.yml
conda activate unsupervisedLearning
pip install -r requirements_windows.txt
```

macOS 의 경우:

 ```
conda env create -f environment_mac.yml
conda activate unsupervisedLearning
pip install -r requirements_mac.txt
```

Google 드라이브에서 데이터를 다운로드하세요(파일이 너무 커서 Github에 저장하고 액세스할 수 없음).
```
 https://drive.google.com/drive/folders/1TQVOPUU4tVOYZvdpbxUo6uOCh0jvWNhv?usp=sharing
```
Jupyter를 사용하여 노트북을 실행합니다.
```
 jupyter notebook
```
설정이나 코드 또는 기타 문제나 오류가 발생하는 경우 작성자에게 [email protected]으로 이메일을 보내주세요.

macOS Conda 환경을 위한 TensorFlow 설정

macOS용 TensorFlow를 설정하려면 다음 지침을 따르세요.

macOS 의 경우:

 ```
conda env create -f environment_tensorflow_mac.yml
conda activate tensorflow_mac
pip install -r requirements_tensorflow_mac.txt

For Apple Silicon Mac (M1):
	pip install --upgrade --force --no-dependencies https://github.com/apple/tensorflow_macos/releases/download/v0.1alpha3/tensorflow_macos-0.1a3-cp38-cp38-macosx_11_0_arm64.whl https://github.com/apple/tensorflow_macos/releases/download/v0.1alpha3/tensorflow_addons_macos-0.1a3-cp38-cp38-macosx_11_0_arm64.whl

For Intel Mac:
	pip install --upgrade --force --no-dependencies https://github.com/apple/tensorflow_macos/releases/download/v0.1alpha3/tensorflow_macos-0.1a3-cp38-cp38-macosx_11_0_x86_64.whl https://github.com/apple/tensorflow_macos/releases/download/v0.1alpha3/tensorflow_addons_macos-0.1a3-cp38-cp38-macosx_11_0_x86_64.whl 
```

문제가 발생하면 이 macOS용 TensorFlow 가이드를 참조하거나 당사에 문의하세요.

확장하다

추가 정보