The Regularization Cookbook : Explore practical recipes to improve the functionality of your ML models
Lingua: inglese
Editore: Packt Publishing, 2023
- Brossura
- Nuovo
Da: AHA-BUCH GmbH, Einbeck, GermaniaAHA-BUCH GmbH
Venditore AbeBooks dal 14 agosto 2006
Condizione: Nuovo
EUR 105,69
Quantità: 1 disponibile
Aggiungi al carrelloDescrizione dell’articolo da parte del venditore
nach der Bestellung gedruckt Neuware - Printed after ordering - Methodologies and recipes to regularize any machine learning and deep learning model using cutting-edge technologies such as stable diffusion, Dall-E and GPT-3Purchase of the print or Kindle book includes a free PDF Elektronisches BuchKey Features:Learn to diagnose the need for regularization in any machine learning modelRegularize different ML models using a variety of techniques and methodsEnhance the functionality of your models using state of the art computer vision and NLP techniquesBook Description:Regularization is an infallible way to produce accurate results with unseen data, however, applying regularization is challenging as it is available in multiple forms and applying the appropriate technique to every model is a must. The Regularization Cookbook provides you with the appropriate tools and methods to handle any case, with ready-to-use working codes as well as theoretical explanations.After an introduction to regularization and methods to diagnose when to use it, you'll start implementing regularization techniques on linear models, such as linear and logistic regression, and tree-based models, such as random forest and gradient boosting. You'll then be introduced to specific regularization methods based on data, high cardinality features, and imbalanced datasets. In the last five chapters, you'll discover regularization for deep learning models. After reviewing general methods that apply to any type of neural network, you'll dive into more NLP-specific methods for RNNs and transformers, as well as using BERT or GPT-3. By the end, you'll explore regularization for computer vision, covering CNN specifics, along with the use of generative models such as stable diffusion and Dall-E.By the end of this book, you'll be armed with different regularization techniques to apply to your ML and DL models.What You Will Learn:Diagnose overfitting and the need for regularizationRegularize common linear models such as logistic regressionUnderstand regularizing tree-based models such as XGBoosUncover the secrets of structured data to regularize ML modelsExplore general techniques to regularize deep learning modelsDiscover specific regularization techniques for NLP problems using transformersUnderstand the regularization in computer vision models and CNN architecturesApply cutting-edge computer vision regularization with generative modelsWho this book is for:This book is for data scientists, machine learning engineers, and machine learning enthusiasts, looking to get hands-on knowledge to improve the performances of their models. Basic knowledge of Python is a prerequisite.…
Codice articolo 9781837634088
- Titolo
- The Regularization Cookbook : Explore practical recipes to improve the functionality of your ML models
- Autore
- Vincent Vandenbussche
- Editore
- Packt Publishing
- Anno di pubblicazione
- 2023
- Condizione
- Neu
- Rilegatura
- Taschenbuch
- Lingua
- inglese
- ISBN 10
- 1837634084
- ISBN 13
- 9781837634088
- Peso dell'articolo
- 787 grammi
- Dimensioni
- 235x191x23 mm
Methodologies and recipes to regularize nearly any machine learning and deep learning model using cutting-edge technologies such as Stable Diffusion, GPT-3, and Unity
Key Features
- Learn how to diagnose whether regularization is needed for any machine learning model
- Regularize different types of ML models using a broad range of techniques and methods
- Get the best of your models using state of the art Computer Vision and NLP
Book Description
Deploying machine learning solutions is all about getting robust results on new, unseen data. To achieve such results, one way is regularization. Regularization can take many forms and can be used in many ways, and not all methods apply to all cases. This book aims at providing the right tools and methods to handle any case properly, with ready-to-use working codes as well as theoretical explanations whenever possible.
After an introduction to regularization and methods to diagnose when to use it, we will start implementing regularization techniques on linear models such as linear and logistic regression, and tree-based models such as random forest and gradient boosting.
The book will then introduce specific regularization methods based on data. High cardinality features and imbalanced datasets may require specific regularization methods that will be explored.
In the last four chapters, the book will cover regularization for deep learning models. After reviewing general methods that apply to any type of neural network, the book will dive into more NLP-specific methods for RNNs and transformers, as well as using BERT or GPT-3. We will close with regularization for Computer Vision, covering CNN specifics, as well as the use of generative models such as GANs and Stable Diffusion, and third-party software like Unity.
What you will learn
- How to diagnose overfitting properly and when regularization is needed
- Regularizing common linear models such as logistic regression
- Get a deeper knowledge of regularizing tree-based models such as XGBoost
- Leverage structured data to regularize ML models
- Learn general techniques to regularize deep learning models
- Discover specific regularization techniques for NLP problems using Transformers
- Understand the regularization in Computer Vision models and CNN architectures
- Apply cutting-edge computer vision regularization with generative models
Who This Book Is For
Whether you are a data scientist, a machine learning engineer, or just a machine learning enthusiast, if you want to get hands-on knowledge of the available methods to improve the performances of your models, this book is for you.
Basic, hands-on knowledge of Python is expected to get the most out of the proposed codes. Also, basic concepts of ML and DL are reminded to smooth the learning curve, no matter their level. This book is also aimed at experienced professionals willing to use state-of-the-art methods for regularization.
Table of Contents
- Overview of Regularization
- Regularization in ML
- Regularization with ML models
- Regularization with Tree based models
- Regularization with structured data
- Deep learning reminders
- Regularization of a vanilla neural network
- Regularization in NLP
- Regularization in Computer Vision
- Advanced Regularization in Computer Vision: synthetic image generation
"Riassunto" può appartenere a un’altra edizione di questo titolo.
Informazioni sull’autore
"Descrizione articolo" può appartenere a un’altra edizione di questo titolo.
AHA-BUCH GmbH
Einbeck, Germania
Venditore AbeBooks dal 14 agosto 2006
Tariffe di spedizione da Germania a U.S.A.
| Articolo | Da 7 a 10 giorni lavorativi | Da 5 a 7 giorni lavorativi |
|---|---|---|
| Primo articolo | EUR 35,00 | EUR 45,00 |
Metodi di pagamento
- Assegno
- Bonifico bancario
- PayPal
Descrizione dello Store
Das Unternehmen AHA-BUCH GmbH: Seit der Gründung von AHA-BUCH im Juli 2005 ist unser Hauptziel, zufriedenen Kunden so schnell und so preisgünstig wie möglich ihren Bücherwunsch zu erfüllen. Unsere Firma beschäftigt 16 Mitarbeiter, die nur ein Ziel kennen: den Kunden und seine Wünsche! Auf über 3700 m2 Fläche haben wir über 100.000 Bücher, Modernes Antiquariat und Spiele auf Lager.
Specializzazione
Kinderbücher & Kinderhör Casetten, German Books, Software, Natur & Tiere, Ratgeber, Sachbücher, Englische Bücher, Medizin & Gesundheit, Universität & StudiumInformazioni sull’azienda del venditore
AHA-BUCH GmbH
Garlebsen 48
Einbeck, Germania 37574
Condizioni di vendita
Imprimere
Informazioni sul venditore:
AHA-BUCH GmbH
rappresentata dall'amministratore delegato Christel Glass
Garlebsen 48
37574 Einbeck
Germania
Telefono: 055639996039
Fax: 055639995974
E-Mail: abebooks@aha-buch.de
USt-IdNr.: DE261904229
registrato presso Registro delle imprese Amtsgerichtes Göttingen
Handelsregisternummer HRB 200691
Risoluzione alternativa delle controversie:
La Commissione europea fornisce una piattaforma per la risoluzione extragiudiziale delle controversie online (piattaforma ODR), accessibile nell'ambito di https://ec.europa.eu/odr.
Siamo membri dell'iniziativa "FairCommerce" dal 25.05.2018.
Per ulteriori informazioni, vedere www.fair-commerce.de.
Diritto di recesso
Se sei un consumatore puoi recedere dal contratto in conformità con quanto segue. Per Consumatore si intende qualsiasi persona fisica che agisce per scopi estranei alla propria attività commerciale, imprenditoriale, artigianale o professionale.
Informazioni sul diritto di recesso
Diritto legale di recesso
Hai il diritto di recedere dal presente contratto entro 14 giorni senza fornire alcuna motivazione.
Il periodo di recesso scade dopo 14 giorni dal giorno in cui tu o una terza parte, diversa dal vettore e da te indicata, acquisisce il possesso fisico dell'ultimo bene o dell'ultimo lotto o pezzo.
Per esercitare il diritto di recesso, compila e invia elettronicamente una dichiarazione esplicita sul nostro sito Web, alla voce “I miei acquisti” nella sezione “Mio account”. Ti comunicheremo senza indugio una conferma di ricezione di tale recesso su un supporto durevole (ad es. via e-mail).
Per rispettare il termine di recesso, è sufficiente inviare la comunicazione relativa all'esercizio del diritto di recesso prima della scadenza del periodo di recesso stesso.
Effetti del recesso
In caso di recesso dal presente contratto, ti rimborseremo tutti i pagamenti ricevuti, compresi i costi di spedizione (ad eccezione dei costi supplementari derivanti dalla tua eventuale scelta di un tipo di spedizione diverso dal tipo meno costoso di consegna standard da noi offerto).
Potremo effettuare una detrazione dal rimborso per la perdita di valore dei beni forniti, qualora tale perdita sia il risultato di una manipolazione non necessaria da parte tua.
Eseguiremo il rimborso senza indebito ritardo e non oltre 14 giorni dal giorno in cui saremo informati della tua decisione di recedere dal presente contratto.
Il rimborso sarà effettuato utilizzando lo stesso mezzo di pagamento da te usato per la transazione iniziale, salvo che tu non abbia espressamente concordato altrimenti; in ogni caso, non dovrai sostenere alcun costo quale conseguenza di tale rimborso.
Possiamo trattenere il rimborso finché non avremo ricevuto i beni oppure finché non avrai fornito la prova di averli rispediti, a seconda di quale condizione si verifichi per prima.
Dovrai rispedire i beni o consegnarli a AHA-BUCH GmbH, Einbeck, Germany, senza indebito ritardo e, in ogni caso, entro 14 giorni dal giorno in cui ci hai comunicato la tua volontà di recedere dal presente contratto. Il termine è rispettato se rispedisci i beni prima della scadenza del periodo di 14 giorni. I costi diretti della restituzione dei beni saranno a tuo carico. Sei responsabile solo della diminuzione del valore dei beni risultante da una manipolazione diversa da quella necessaria per stabilire la natura, le caratteristiche e il funzionamento dei beni stessi.
Eccezioni al diritto di recesso
Il diritto di recesso non si applica a:
- La fornitura di giornali, periodici o riviste ad eccezione dei contratti di abbonamento; e
- La fornitura di contenuto digitale non fornito su un supporto materiale (ad es. su un CD o DVD), se al momento dell'invio dell'ordine hai accettato l'inizio dell'esecuzione e hai riconosciuto che non avresti potuto recedere una volta iniziata l'esecuzione.
Condizioni di spedizione
Spediamo il tuo ordine dopo averlo ricevuto
per articoli a portata di mano entro 24 ore,
per articoli con fornitura notturna entro 48 ore.
Nel caso in cui abbiamo bisogno di ordinare un articolo dal nostro fornitore, il nostro tempo di spedizione dipende dalla data di ricezione degli articoli, ma gli articoli verranno spediti lo stesso giorno.
Il nostro obiettivo è quello di inviare gli articoli ordinati nel modo più veloce, ma anche più efficiente e sicuro ai nostri clienti.