Sieci neuronowe to system przeznaczony do przetwarzania informacji. Jego budowa i zasady działania są częściowo wzorowane na funkcjonowaniu fragmentów systemu nerwowego i oparte na schematach sztucznych neuronów, wchodzących w skład sieci oraz jej strukturze. W 2006 roku odkryto możliwość tworzenia głębokich sieci neuronowych, a następnie, wbrew wcześniejszym przekonaniom okazało się, że można je uczyć tak zwanym uczeniem głębokim. Na początku wymagało to zapewnienia olbrzymiej mocy obliczeniowej i potężnych ilości danych, jednak kolejne lata przyniosły rozwój technologii, a co za tym idzie tworzenie przeróżnych zaawansowanych produktów i prace nad nowymi zastosowaniami sieci głębokich, które niedługo wejdą do wielu dziedzin naszego życia.
Dlatego każdy, kto wiąże swoją karierę czy życie zawodowe z pracą z sieciami neuronowymi, powinien uczyć się i rozwijać swoją wiedzę dotyczącą głębokiego uczenia. Z pomocą przychodzi podręcznik "Uczenie maszynowe z użyciem Scikit-Learn i TensorFlow" - bestsellerowy przewodnik po technikach uczenia maszynowego. Scikit-learn to darmowa biblioteka uczenia maszynowego dla języka programowania Python. Zawiera różne algorytmy klasyfikacji, regresji i klastrowania, w tym maszyny wektorów pomocniczych i jest zaprojektowana do współpracy z numerycznymi i naukowymi bibliotekami Pythona NumPy i SciPy. Z kolei Tensor Flow to otwarto źródłowa biblioteka programistyczna, wykorzystywana w uczeniu maszynowym i głębokich sieciach neuronowych.
Dzięki książce "Uczenie maszynowe z użyciem Scikit-Learn i TensorFlow" można nauczyć się budowania i trenowania głębokiej sieci neuronowej. W podręczniku zawarto liczne przykłady i ćwiczenia oraz gotowe rozwiązania i zasady pracy ze specjalistycznymi narzędziami, w tym z TensorFlow 2, najnowszą odsłoną modułu. W książce nie ma dużej ilości teoretycznych informacji, a na podstawie przykładów i zadań, czytelnik może przyswoić sobie niezbędny zasób pojęć i narzędzi służących do tworzenia systemów inteligentnych oraz poznać i zacząć używać różnorodnych technik. Każdy czytelnik, po zapoznaniu się z materiałami, zamieszczonymi w książce, będzie biegle posługiwać się najnowszymi technologiami sztucznej inteligencji.
W książce znajdują się informacje na temat podstaw uczenia maszynowego, techniki wykrywania obiektów, segmentacji semantycznej i mechanizmów uwagi, interfejsu Keras, narzędzia TF Transform i TF Serving czy wdrażania modeli TensorFlow i techniki uczenia nienadzorowanego oraz wykrywania anomalii.
Podręcznik, uważany za jeden z najlepszych, dotyczących uczenia maszynowego, stworzony został przez Aureliena Gerona, konsultanta do spraw uczenia maszynowego, wcześniej pracownika Google i Youtube, a opublikowana przez wydawnictwo informatyczne Helion.