​Learning TensorFlow (2017)
Авторы: Itay Lieder, Tom Hope, Yehezkel S. Resheff

#tensorflow@proglib #books@proglib #english@proglib

Язык: английский.

Целевая аудитория: аналитики разного уровня опыта.

Нейронные сети способны решать задачи, подвластные только человеку, но быстрее и в больших объёмах. Книга, написанная тремя специалистами в области машинного обучения, расскажет вам о ведущей библиотеке в данной области - TensorFlow. Вы научитесь создавать и тренировать нейронные сети для программ компьютерного зрения, обработки естественного языка, распознавания речи и изображений.

В книге рассматриваются следующие темы:
✔ установка и запуск TensorFlow;
✔ основы библиотеки и машинного обучения;
✔ эволюция нейронных сетей;
✔ работа с текстом;
✔ очереди и потоки;
✔ популярные методики и концепции машинного обучения.

Преимущества:
➕ подходит начинающим аналитикам;
➕ небольшой объём.

Недостатки:
➖ является больше сборником документации, чем единым руководством;
➖ не переведена.

📝 Learning TensorFlow.pdf - 💾13 936 377

➰ Источник ВК

​🛠 TensorFlow — это опенсорсная библиотека Python, успешно применяемая для произведения расчётов с использованием графов потоков данных. В основном используется в задачах машинного обучения.
Сайт » https://www.tensorflow.org/
GitHub » https://github.com/tensorflow/tensorflow

Установка версии TF2:
Установка на CPU/GPU Python командой » pip install tensorflow
Установка только для СPU командой » pip install tensorflow-cpu

Будьте внимательны, т.к. версия TF2 отличается от версии TF1. В сети могут встретиться много примеров и обучающих материалов к более ранней TF1. Если захотите установить TF1, то:
Установка для CPU Python командой » pip install tensorflow==1.15
Установка для GPU командой » pip install tensorflow-gpu==1.15

#АнализДанных #Python #ML #neuralnetworks #bigdata #нейронныесети #tensorflow

🔗 TensorFlow
Платформа машинного обучения с открытым исходным кодом для всех. Откройте для себя гибкую экосистему инструментов, библиотек и ресурсов сообщества TensorFlow.

➰ Источник ВК

Предсказание цен на акции Tesla с помощью рекуррентных нейросетей GRU и LSTM.
Tesla stock price prediction » https://youtu.be/j59jg2TnZC4

#tesla #АнализДанных #python #ML #neuralnetworks #bigdata #нейронныесети #tensorflow

🎥 TESLA Stock Price Prediction / LSTM vs GRU / Neural Networks
👁 1 раз ⏳ 799 сек.
https://www.kaggle.com/miracl16/tesla-stock-price-prediction-lstm-vs-gru

В этом видео мы с вами попробуем использовать площадку Kaggle не только в соревновательных целях, но также в качестве и анализа данных для вашей задачи, так как не у всех дома может быть видеокарта.

В данной задаче попробуем предсказать цену акций Tesla (наши Time Series) на следующий день + на следующие 20 дней!

Подробно разберем с вами 2 модификации рекуррентной нейронной сети (RNN): LSTM и GRU, их архитектуру, отличительные осо

➰ Источник ВК

​TensorFlow 1 версии не всегда просто развернуть. Как это сделать, настроить виртуальную среду на примере Linux (CentOS 7 подобной системы) в этом гайде » https://github.com/the-lans/WebshellDetection#readme

P.S.: Виртуальная среда разворачивалась под проект детектирования Webshells.

#linux #centos #tensorflow #machinelearning #АнализДанных #ML #neuralnetworks #bigdata #нейронныесети

🔗 the-lans/WebshellDetection
Webshell Detection Based on the Word Attention Mechanism - the-lans/WebshellDetection

➰ Источник ВК