handson unsupervised learning ดาวน์โหลด - handson unsupervised learning ดาวน์โหลดซอร์สโค้ด

handson unsupervised learning

โค้ดแหล่งที่มา AI

Better support for Tensor

ดาวน์โหลด

การเรียนรู้แบบลงมือปฏิบัติโดยไม่ต้องมีผู้ดูแลโดยใช้ Python

Repo นี้ประกอบด้วยโค้ดสำหรับหนังสือ O'Reilly Media, Inc. "การเรียนรู้แบบไร้ผู้ดูแลแบบลงมือปฏิบัติโดยใช้ Python: วิธีสร้างโซลูชัน Machine Learning แบบประยุกต์จากข้อมูลที่ไม่มีป้ายกำกับ" โดย Ankur A. Patel

เว็บไซต์หนังสืออย่างเป็นทางการ: https://www.unsupervisedlearningbook.com/thebook

มีอยู่ใน Amazon: https://www.amazon.com/Hands-Unsupervised-Learning-Using-Python/dp/1492035645

มีอยู่ใน O'Reilly Safari: https://www.oreilly.com/library/view/hands-on-unsupervised-learning/9781492035633/

ข้อมูลเพิ่มเติมเกี่ยวกับผู้แต่ง: https://www.ankurapatel.io

ปล่อยอัปเดต

พฤษภาคม 2021: เพิ่มการรองรับสำหรับ TensorFlow 2.x, ตัวอย่าง Fashion MNIST และ Tensorboard สำหรับ Dimensionality Reduction

คำอธิบายหนังสือ

ผู้เชี่ยวชาญในอุตสาหกรรมจำนวนมากพิจารณาว่าการเรียนรู้แบบไม่มีผู้ดูแลถือเป็นก้าวต่อไปของปัญญาประดิษฐ์ ซึ่งอาจถือเป็นกุญแจสำคัญสู่จอกศักดิ์สิทธิ์ในการวิจัย AI หรือที่เรียกว่าปัญญาประดิษฐ์ทั่วไป เนื่องจากข้อมูลส่วนใหญ่ของโลกไม่มีป้ายกำกับ การเรียนรู้แบบมีผู้สอนแบบดั้งเดิมจึงไม่สามารถนำมาใช้ได้ นี่คือที่มาของการเรียนรู้แบบไม่มีผู้ดูแล การเรียนรู้แบบไม่มีผู้ดูแลสามารถนำไปใช้กับชุดข้อมูลที่ไม่มีป้ายกำกับ เพื่อค้นหารูปแบบที่มีความหมายซึ่งฝังลึกอยู่ในข้อมูล ซึ่งเป็นรูปแบบที่อาจแทบจะเป็นไปไม่ได้เลยที่มนุษย์จะค้นพบได้

ผู้เขียน Ankur Patel ให้ความรู้เชิงปฏิบัติเกี่ยวกับวิธีการประยุกต์การเรียนรู้แบบไม่มีผู้ดูแลโดยใช้เฟรมเวิร์ก Python ที่เรียบง่ายและพร้อมใช้งานจริงสองเฟรม - scikit-learn และ TensorFlow ด้วยตัวอย่างและโค้ดที่ลงมือปฏิบัติจริง คุณจะสามารถระบุรูปแบบข้อมูลที่ค้นหาได้ยาก และรับข้อมูลเชิงลึกทางธุรกิจมากขึ้น ตรวจจับความผิดปกติ ดำเนินการวิศวกรรมและการเลือกคุณสมบัติอัตโนมัติ และสร้างชุดข้อมูลสังเคราะห์ สิ่งที่คุณต้องมีคือการเขียนโปรแกรมและประสบการณ์การเรียนรู้ของเครื่องเพื่อเริ่มต้น

เปรียบเทียบจุดแข็งและจุดอ่อนของแนวทางการเรียนรู้ของเครื่องแบบต่างๆ: การเรียนรู้แบบมีผู้ดูแล ไม่ได้รับการดูแล และการเรียนรู้แบบเสริมกำลัง
ตั้งค่าและจัดการโปรเจ็กต์แมชชีนเลิร์นนิงตั้งแต่ต้นจนจบ - ทุกอย่างตั้งแต่การเก็บข้อมูลไปจนถึงการสร้างแบบจำลองและการนำโซลูชันไปใช้ในการผลิต
ใช้อัลกอริธึมการลดขนาดเพื่อเปิดเผยข้อมูลที่เกี่ยวข้องมากที่สุดและสร้างระบบตรวจจับความผิดปกติเพื่อตรวจจับการฉ้อโกงบัตรเครดิต
ใช้อัลกอริธึมการจัดกลุ่มเพื่อแบ่งกลุ่มผู้ใช้ เช่น ผู้ยืมสินเชื่อ เป็นกลุ่มที่แตกต่างกันและเป็นเนื้อเดียวกัน
ใช้ตัวเข้ารหัสอัตโนมัติเพื่อดำเนินการวิศวกรรมและการเลือกคุณสมบัติอัตโนมัติ
รวมอัลกอริธึมการเรียนรู้แบบมีผู้ดูแลและไม่ได้รับการดูแลเพื่อพัฒนาโซลูชันแบบกึ่งมีผู้ดูแล
สร้างระบบแนะนำภาพยนตร์โดยใช้เครื่อง Boltzmann แบบจำกัด
สร้างภาพสังเคราะห์โดยใช้เครือข่ายความเชื่อเชิงลึกและเครือข่ายที่สร้างความขัดแย้ง
ดำเนินการจัดกลุ่มข้อมูลอนุกรมเวลา เช่น คลื่นไฟฟ้าหัวใจ
สำรวจความสำเร็จของการเรียนรู้แบบไม่มีผู้ดูแลจนถึงปัจจุบันและอนาคตที่สดใส

Google Colaboratory

หากคุณต้องการใช้ Google Colab (แทนเครื่องในพื้นที่ของคุณ) โปรดทำตามคำแนะนำเหล่านี้เพื่อเรียกใช้โค้ดบน Google Colab

ตั้งค่าสภาพแวดล้อม Conda หลัก

หากคุณต้องการรัน repo นี้บนเครื่องของคุณ โปรดปฏิบัติตามคำแนะนำด้านล่างนี้

หากคุณใช้ macOS ให้ติดตั้ง Xcode Command Line Tools โดยใช้ xcode-select --install ใน Terminal
ติดตั้งการกระจาย Miniforge ของ Python 3.8 ตามระบบปฏิบัติการของคุณ หากคุณใช้ Windows คุณสามารถเลือกการกระจาย Anaconda ของ Python 3.8 แทนการกระจาย Miniforge ได้หากต้องการ
สำหรับการรองรับ NVIDIA GPU ให้ติดตั้ง CUDA 11.0 มีเฉพาะใน NVIDIA GPU บางรุ่นเท่านั้น
ตั้งค่าสภาพแวดล้อม Anaconda ใหม่และปฏิบัติตามคำแนะนำเหล่านี้ตามระบบปฏิบัติการของคุณ

สำหรับ วินโดวส์ :

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

สำหรับ ระบบปฏิบัติการ MacOS :

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

ดาวน์โหลดข้อมูลจาก Google Drive (ไฟล์มีขนาดใหญ่เกินกว่าจะจัดเก็บและเข้าถึงบน Github)
```
 https://drive.google.com/drive/folders/1TQVOPUU4tVOYZvdpbxUo6uOCh0jvWNhv?usp=sharing
```
รันโน้ตบุ๊กโดยใช้ Jupyter
```
 jupyter notebook
```
หากคุณพบปัญหาหรือข้อผิดพลาดใดๆ กับการตั้งค่าหรือรหัสหรือสิ่งอื่นใด โปรดส่งอีเมลถึงผู้เขียนที่ [email protected]

ตั้งค่า TensorFlow สำหรับ macOS Conda Environment

โปรดปฏิบัติตามคำแนะนำเหล่านี้เพื่อตั้งค่า TensorFlow สำหรับ macOS

สำหรับ ระบบปฏิบัติการ MacOS :

 ```
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 
```

โปรดดูคู่มือ TensorFlow สำหรับ macOS หากคุณประสบปัญหาหรือติดต่อเรา

ขยาย

ข้อมูลเพิ่มเติม