Com uma série de recentes avanços, o aprendizado profundo impulsionou todo o campo do aprendizado de máquina. Agora, mesmo os programadores que pouco sabem sobre esta tecnologia podem utilizar ferramentas simples e eficientes para implementar programas capazes de aprender com dados. 
CONCEITOS, FERRAMENTAS E TÉCNICAS PARA A CONSTRUÇÃO DE SISTEMAS INTELIGENTES.
 
 
Com uma série de recentes avanços, o aprendizado profundo impulsionou todo o campo do aprendizado de máquina. Agora, mesmo
os programadores que pouco sabem sobre esta tecnologia podem utilizar ferramentas simples e eficientes para implementar programas capazes de aprender com dados. 
 
 
Este livro prático mostra como fazê-lo.
Utilizando exemplos concretos, uma teoria mínima e duas estruturas Python prontas para produção — Scikit-Learn e TensorFlow 
— o autor Aurélien Géron ajuda você a adquirir uma compreensão intuitiva dos conceitos e ferramentas para a construção de sistemas inteligentes. 
Você aprenderá uma variedade de técnicas, começando com uma regressão linear simples e progredindo para redes neurais profundas. Com exercícios em cada capítulo para ajudá-lo a aplicar o que aprendeu, você só precisa ter experiência em programação para começar.
 
Explore o cenário do aprendizado de máquina, especialmente asredes neurais
Utilize o Scikit-Learn para acompanhar um exemplo de projeto deaprendizado de máquina de ponta a ponta
Examine vários modelos de treinamento, incluindo máquinasde vetor de suporte, árvores de decisão, florestas aleatórias e
métodos de ensemble
Use a biblioteca TensorFlow para construir e treinar redes neurais
Mergulhe em arquiteturas de rede neural, incluindo redesconvolutivas, redes recorrentes e aprendizado por reforço profundo
 Aprenda técnicas para treinamento e dimensionamento de redes neurais profundas
Aplique exemplos práticos de código sem recorrer a teorias excessivas ou detalhes de algoritmo do aprendizado de máquinasCONCEITOS, FERRAMENTAS E TÉCNICAS PARA A CONSTRUÇÃO DE SISTEMAS INTELIGENTES.
 
 
Com uma série de recentes avanços, o aprendizado profundo impulsionou todo o campo do aprendizado de máquina. Agora, mesmo
os programadores que pouco sabem sobre esta tecnologia podem utilizar ferramentas simples e eficientes para implementar programas capazes de aprender com dados. 
 
 
Este livro prático mostra como fazê-lo.
Utilizando exemplos concretos, uma teoria mínima e duas estruturas Python prontas para produção — Scikit-Learn e TensorFlow 
— o autor Aurélien Géron ajuda você a adquirir uma compreensão intuitiva dos conceitos e ferramentas para a construção de sistemas inteligentes. 
Você aprenderá uma variedade de técnicas, começando com uma regressão linear simples e progredindo para redes neurais profundas. Com exercícios em cada capítulo para ajudá-lo a aplicar o que aprendeu, você só precisa ter experiência em programação para começar.
 
Explore o cenário do aprendizado de máquina, especialmente asredes neurais
Utilize o Scikit-Learn para acompanhar um exemplo de projeto deaprendizado de máquina de ponta a ponta
Examine vários modelos de treinamento, incluindo máquinasde vetor de suporte, árvores de decisão, florestas aleatórias e
métodos de ensemble
Use a biblioteca TensorFlow para construir e treinar redes neurais
Mergulhe em arquiteturas de rede neural, incluindo redesconvolutivas, redes recorrentes e aprendizado por reforço profundo
 Aprenda técnicas para treinamento e dimensionamento de redes neurais profundas
Aplique exemplos práticos de código sem recorrer a teorias excessivas ou detalhes de algoritmo do aprendizado de máquinas