Mãos A Obra | Aprendizado De Máquina Com Scikit-Learn, Keras & TernsorFlow | Aurélien Géron

Aurélien Géron

O aprendizado de máquina tem transformado diversos campos ao permitir que até programadores com pouca experiência na área implementem sistemas inteligentes que aprendem com dados. Esta edição atualizada do best-seller fornece uma introdução prática ao aprendizado de máquina, com exemplos concretos, pouca teoria e frameworks em Python, facilitando o entendimento intuitivo dos conceitos e ferramentas necessários. Com base em exercícios práticos e códigos disponíveis no GitHub, o livro permite que você adquira experiência passo a passo, utilizando a Scikit-Learn e a TensorFlow 2.

Neste guia, você aprenderá:

• Os fundamentos do aprendizado de máquina, aplicados em um projeto completo com Scikit-Learn e Pandas.
• Técnicas avançadas, como detecção de objetos, segmentação semântica, modelos de linguagem e redes generativas adversárias (GANs).
• A API Keras, a interface oficial de alto nível do TensorFlow 2.
• Implementação de modelos em produção usando a Data API do TensorFlow, TF Transform, e TF-Serving.
• Disponibilização de modelos na Google Cloud AI Platform e dispositivos móveis.
• Métodos de aprendizado não supervisionado, incluindo redução de dimensionalidade, clusterização e detecção de anomalias.
• Criação de agentes de aprendizado autônomos por meio do aprendizado por reforço, com a biblioteca TF-Agents.

Essa obra prática e acessível é ideal para programadores que buscam desenvolver rapidamente suas habilidades em aprendizado de máquina e levar seus projetos ao próximo nível.

Sobre o livro

Mãos à Obra é um guia prático de aprendizado de máquina que ensina programadores a construir sistemas inteligentes usando Python, sem exigir bagagem teórica pesada em matemática ou estatística.

O livro caminha do básico ao avançado: começa com um projeto completo usando Scikit-Learn e Pandas, depois avança para redes neurais com Keras e TensorFlow 2, cobrindo desde detecção de objetos e modelos de linguagem até GANs e aprendizado por reforço com TF-Agents. Há também orientações para colocar modelos em produção, seja na nuvem ou em dispositivos móveis, sempre com exercícios e códigos disponíveis no GitHub.

Edição da Alta Books, com 640 páginas.

Para quem é: programadores que querem entrar em aprendizado de máquina na prática; profissionais de dados buscando dominar Scikit-Learn e TensorFlow; quem já tem noções básicas e quer avançar para deep learning; times técnicos que precisam levar modelos até a produção.