Python и машинное обучение, Рашка С., 2017

К сожалению, на данный момент у нас невозможно бесплатно скачать полный вариант книги.

Но вы можете попробовать скачать полный вариант, купив у наших партнеров электронную книгу здесь.

Также можно купить бумажную версию книги здесь.


Python и машинное обучение, Рашка С., 2017.

   Книга предоставит вам доступ в мир прогнозной аналитики и продемонстрирует, почему Python является одним из лидирующих языков науки о данных. Охватывая широкий круг мощных библиотек Python, в том числе scikit-learn, Theano и Keras, предлагая руководство и советы по всем вопросам, начиная с анализа мнений и заканчивая нейронными сетями, книга ответит на большинство ваших вопросов по машинному обучению.
Издание предназначено для специалистов по анализу данных, находящихся в поисках более широкого и практического понимания принципов машинного обучения.

Python и машинное обучение, Рашка С., 2017


Использование Python для машинного обучения.
Python - один из самых популярных языков программирования для науки о данных и потому обладает огромным количеством полезных дополнительных библиотек, разработанных его колоссальным сообществом программистов.

Учитывая, что производительность таких интерпретируемых языков, как Python, для вычислительно-емких задач хуже, чем у языков программирования более низкого уровня, были разработаны дополнительные библиотеки, такие как NumPy и SciPy, которые опираются на низкоуровневые реализации на Fortran и С для быстродействующих и векторизованных операций на многомерных массивах.

Для выполнения задач программирования машинного обучения мы главным образом будем обращаться к библиотеке scikit-learn, которая на сегодня является одной из самых популярных и доступных библиотек машинного обучения с открытым исходным кодом.

Содержание.
Предисловие.
Об авторе.
О рецензентах.
Введение.
Глава 1. Наделение компьютеров способностью обучаться на данных.
Глава 2. Тренировка алгоритмов машинного обучения для задачи классификации.
Глава 3. Обзор классификаторов с использованием библиотеки scikit-learn.
Глава 4. Создание хороших тренировочных наборов - предобработка данных.
Глава 5. Сжатие данных путем снижения размерности.
Глава 6. Изучение наиболее успешных методов оценки моделей и тонкой настройки гиперпараметров.
Глава 7. Объединение моделей для методов ансамблевого обучения.
Глава 8. Применение алгоритмов машинного обучения в анализе мнений.
Глава 9. Встраивание алгоритма машинного обучения в веб-приложение.
Глава 10. Прогнозирование значений непрерывной целевой переменной на основе регрессионного анализа.
Глава 11. Работа с немаркированными данными - кластерный анализ.
Глава 12. Тренировка искусственных нейронных сетей для распознавания изображений.
Глава 13. Распараллеливание тренировки нейронных сетей при помощи Theano.
Приложение А.
Глоссарий основных терминов и сокращений.
Предметный указатель.

Купить .

По кнопкам выше и ниже «Купить бумажную книгу» и по ссылке «Купить» можно купить эту книгу с доставкой по всей России и похожие книги по самой лучшей цене в бумажном виде на сайтах официальных интернет магазинов Лабиринт, Озон, Буквоед, Читай-город, Литрес, My-shop, Book24, Books.ru.

По кнопке «Купить и скачать электронную книгу» можно купить эту книгу в электронном виде в официальном интернет магазине «ЛитРес», и потом ее скачать на сайте Литреса.

По кнопке «Найти похожие материалы на других сайтах» можно найти похожие материалы на других сайтах.

On the buttons above and below you can buy the book in official online stores Labirint, Ozon and others. Also you can search related and similar materials on other sites.


Дата публикации:






Теги: :: ::


 


 

Книги, учебники, обучение по разделам




Не нашёл? Найди:





2021-09-25 23:14:04