Машинне навчання з використанням мікрокомп'ютерів
Оценка пользователей: / 6
ПлохоОтлично 
There are no translations available.

Машинне навчанняМогильний С.Б.
        Машинне навчання з використанням мікрокомп’ютерів : навч.-метод. посіб. \ за ред. О.В.Лісового та ін. –К., 2019. – 224 с.
Практичні приклади, наведені в посібнику, дозволяють вивчити основи фреймворка TensorFlow та його застосування в реальних конструкціях на мікрокомп’ютерах. Посібник призначений як слухачам Всеукраїнських наукових профільних шкіл – дослідникам-початківцям, так і викладачам, студентам, а також тим, хто проводить серйозні наукові дослідження.
ВСТУП ….…………………………………………………………..…………….....................… 5
1.    Штучний інтелект і машинне навчання з TensorFlow……………………... 5
Що таке TensorFlow.................................................................................. 11
Архітектура TensorFlow……………………………………………………...........….. 12
Компоненти TensorFlow……………………………………………………...........….. 13
Простий приклад TensorFlow……………………………………………….…........ 13
Завантаження даних у TensorFlow……..........................……………….…… 15
2.    Встановлення TensorFlow на Windows………….............................…..… 18
Версії TensorFlow…………………………………………………………..............……18
Встановлення Anaconda…………………………………………………..........………18
Створення .yml-файла для встановлення TensorFlow та залежностей…21
Використання блокнота Jupyter…...……………………………………………......24
3.    Встановлення TensorFlow на Raspberry Pi……………………………....…… 34
Встановлення TensorFlow на RPi у віртуальному середовищі………… 34
Встановлення TensorFlow безпосередньо на ОС Raspbian……………… 37
Встановлення класифікатора зображень на RPi …………………………… 39
4.    Основи TensorFlow…………………………………………………………...…......... 40
Що таке тензор, представлення тензора............................................... 40
Типи тензора…………………………………………………………………...............…. 41
Створення тензора n-розмірності…………………………………………......…… 42
Форма тензора……………………………………………………………….............….. 44
Типи даних…………………………………………………………………..............….… 45
Створення оператора………………………………………………………..........…… 45
Змінні………………………………………………………………………….................…. 47
Заповнювач………………………………………………………………….............…… 48
Сесія…………………………………………………………………………................…... 48
Граф…………………………………………………………………………................…… 51
5.    Візуалізація графа з TensorBoard………………………………………………..... 53
Що таке TensorBoard............................................................................... 53
Як користуватися TensorBoard............................................................... 55
6.    Pandas Python………………………………..……………………………………............. 59
Що таке Pandas і чому його використовують....................................... 59
Встановлення Pandas……………………………………………………….........…… 60
Кадр даних та серія................................................................................. 60
Створення кадра даних………………………………...…………………........……. 61
Діапазон дат…………………………………………………………………..............….  61
Перевірка даних……………………………………………………………............…… 62
Фрагментація даних……………………………………………………...........………. 63
Імпорт даних CSV за допомогою pandas.read_csv()………………………. 66
7.    Лінійна регресія з TensorFlow………………………………………………….…...... 67
Тренування моделі лінійної регресії…………………………………………...... 68
Тренування моделі лінійної регресію за допомогою TensorFlow….… 71
Тренування з використанням Pandas…………………………………………....  72
Рішення за допомогою оцінювача Numpy……………………………………... 77
Рішення з TensorFlow…......................…………………………………………..... 80
8.    Лінійна регресія для машинного навчання…………………………………....    85
Лінійна регресія TensorFlow із взаємодією………………................……... 85
Зведена статистика……………………………………………………………............. 87
Facets Overview для огляду набору даних……………………………………  89
Facets Deep Dive для окремих фрагментів даних..…………………………  89
Встановлення веб-додатка Facets………………………………………………...  89
Overview для обчислення статистики …………………………………………... 91
Побудова матриці кореляції …………...………………………………………....... 93
Використання Facets Deep Dive……………….……………………………........... 96
API оцінювачів TensorFlow…………………………………………………….......... 98
Удосконалення моделі: врахування взаємодії……………………………… 101
9.    Лінійний класифікатор в TensorFlow: бінарна класифікація……..……  104
Як працює бінарний класифікатор........................................................ 104
Вимірювання продуктивності лінійного класифікатора...................... 106
Лінійний класифікатор з TensorFlow…………………………………………......107
10.    Методи ядра в машинному навчанні: ядро Гаусса…………………..…….  124
Для чого потрібні методи ядра................................................................ 125
Що таке ядро в машинному навчанні..................................................... 128
Типи методів ядра…………………………………………………………….............… 129
Тренування класифікатора ядра Гаусса з TensorFlow…………………… 129
11.    Штучна нейронна мережа з TensorFlow…………………………………...…… 138
Що таке штучна нейронна мережа........................................................  138
Нейромережева архітектура……………………………………………….......…… 139
Обмеження нейронної мережі………………………………………………........… 141
Приклад нейронної мережі в TensorFlow…………………………………...….. 142
Тренування нейронної мережі з TensorFlow…………………………….....…. 143
12. Конволюційна нейронна мережа: тензорна класифікація зображень…147
Архітектура конволюційної нейронної мережі………………………….……. 147
Компоненти конвнетів………………………………………………………............…. 148
Тренування CNN з TensorFlow…………………………………………………........ 153
13. Автоенкодер в глибокому навчанні: приклад TensorFlow…..…………….. 160
Що таке автоенкодер............................................................................... 160
Приклад автоенкодера....................…………………………………………......... 161
Побудова автоенкодера з TensorFlow………………………………………...…. 161
14. Рекурентна нейронна мережа: приклад з TensorFlow……………..………… 171
Що таке RNN............................................................................................... 171
Побудова RNN для прогнозування часових рядів................................. 177
15. Проекти машинного навчання на мікрокомп’ютерах................................ 183
Мікрокомп’ютери для машинного навчання..........................................  183
Movidius Neural Compute Stick 2 від  Intel на Raspberry Pi 4................ 190
Запуск моделі Keras на Movidius Neural Compute Stick 2..................... 198
Автономний робот-танк……………….………………........................................ 202
Класифікатор зображень на Raspberry Pi з NCS................................... 208
API для розпізнавання об’єктів з Raspberry Pi та TensorFlow.............. 216
 
>
Підтримка та дизайн: Могильний С.С. Шаблон: Joomla Templates by BuyHTTP Joomla Hosting