- Регистрация
- 8 Сен 2016
- Сообщения
- 483.865
- Реакции
- 268.180
[БХВ] "Машинное обучение с использованием Python: сборник рецептов" [Кайл Галлатин, Крис Элбон]
Авторы: Галлатин Кайл, Элбон Крис
Количество страниц: 384
Печать: черно-белая
Формат: PDF (скан)
Книга содержит около 200 задач по машинному обучению, включая работу с текстовыми и числовыми данными, выбор модели и другие аспекты. Рассматривается использование Python, библиотек pandas и scikit-learn. Примеры кода легко адаптировать для создания собственных приложений. В книге представлены рецепты решений с применением различных методов и инструментов, включая: векторы, матрицы и массивы; различные источники данных, такие как CSV, JSON, SQL, облачные хранилища; обработка данных, текста, изображений, дат и времени; снижение размерности данных и методы отбора признаков; оценка и выбор моделей и прочее.
Во втором издании обновлены все примеры, добавлены задачи и фреймворки глубокого обучения, углублены материалы по тензорам, нейронным сетям и библиотеке PyTorch.
Книга рекомендуется разработчикам систем машинного обучения.
Основные темы: линейная и логистическая регрессия, деревья, леса, k ближайших соседей; SVM, наивные байесовы классификаторы, кластеризация, нейронные сети; сохранение и загрузка моделей.
Цена: неизвестна
Авторы: Галлатин Кайл, Элбон Крис
Количество страниц: 384
Печать: черно-белая
Формат: PDF (скан)
Книга содержит около 200 задач по машинному обучению, включая работу с текстовыми и числовыми данными, выбор модели и другие аспекты. Рассматривается использование Python, библиотек pandas и scikit-learn. Примеры кода легко адаптировать для создания собственных приложений. В книге представлены рецепты решений с применением различных методов и инструментов, включая: векторы, матрицы и массивы; различные источники данных, такие как CSV, JSON, SQL, облачные хранилища; обработка данных, текста, изображений, дат и времени; снижение размерности данных и методы отбора признаков; оценка и выбор моделей и прочее.
Во втором издании обновлены все примеры, добавлены задачи и фреймворки глубокого обучения, углублены материалы по тензорам, нейронным сетям и библиотеке PyTorch.
Книга рекомендуется разработчикам систем машинного обучения.
Основные темы: линейная и логистическая регрессия, деревья, леса, k ближайших соседей; SVM, наивные байесовы классификаторы, кластеризация, нейронные сети; сохранение и загрузка моделей.
Цена: неизвестна
Для просмотра скрытого содержимого вы должны зарегистрироваться
Возможно, Вас ещё заинтересует:
- Школа здоровья. Гормоны и старость (31 поток) [Тариф Базовый] [Галина Гарбузова]
- Профессия: Аналитик данных [Алексей Колоколов, Александра Чекризова, Алексей Холев]
- Метафорическая психотерапия. Базовый курс [MetaPsy] [Галина Тимошенко, Юлия Анцерова, Ирина Давыдова]
- Монетизация в таро [Natacha_Adler]
- Кишечник. Гормоны. Иммунитет. Метаболическое питание [Валерия Изюмова, Александр Исаев]
- Арт-интенсив Цвет. Искусство цвета: секреты гармоничных сочетаний [Саша Плотникова]
- Идеальная баня [Василий Ляхов]
- Избавление от мучительной боли одиночества [Андрей Патрушев]