- Регистрация
- 8 Сен 2016
- Сообщения
- 564.738
- Реакции
- 269.199
[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:
- Практик трансформационных гипнотических путешествий, часть 05 из 10 (2026) [Игорь Ледоховский]
- Практик трансформационных гипнотических путешествий, часть 06 из 10 (2026) [Игорь Ледоховский]
- Как продать снег эскимосу (Секреты усиленных продаж) [Джон Кемет]
- Практик трансформационных гипнотических путешествий, часть 07 из 10 (2026) [Игорь Ледоховский]
- Нейро-драйвы «Архитектура Личности»: 5 уровней перепрошивки мозга (Уровень 1) [Повтор]
- Креатор коротких видео 2.0 [Тариф Профессия] [Дарья Манелова]
- Практик трансформационных гипнотических путешествий, часть 08 из 10 (2026) [Игорь Ледоховский]
- Воздушный бодибилдинг