- Регистрация
- 8 Сен 2016
- Сообщения
- 564.765
- Реакции
- 269.199
**Прикладное машинное обучение и искусственный интеллект для инженеров**
*Автор: Джеф Просиз*
ISBN: 978-601-09-5051-1
Количество страниц: 640
Печать: Черно-белая
Формат: pdf скан
В этой книге рассматривается применение искусственного интеллекта и машинного обучения в бизнесе и инженерной сфере. Вы найдете подробное описание популярных алгоритмов машинного обучения, а также информацию о том, когда их лучше всего использовать. Приведены примеры построения моделей машинного обучения на Python с использованием библиотеки Scikit-Learn, а также создания нейронных сетей с помощью Keras и TensorFlow. Рассматриваются основы оценки регрессионных моделей, моделей бинарной и многоклассовой классификации. Показаны примеры создания моделей распознавания лиц и обнаружения объектов, языковых моделей для ответов на естественно-языковые вопросы и перевода текста на другие языки. Также обсуждается использование облачных API Cognitive Services для интеграции ИИ в различные приложения.
Эта книга поможет вам:
- Понять суть машинного и глубокого обучения;
- Узнать, как работают популярные алгоритмы машинного обучения и когда их применять;
- Создать модели машинного обучения на Python с помощью Scikit-Learn;
- Изучить создание нейронных сетей с использованием Keras и TensorFlow;
- Обучать и оценивать регрессионные модели, модели классификации;
- Разрабатывать модели распознавания лиц и объектов;
- Строить языковые модели для ответов на вопросы и перевода текста;
- Внедрять искусственный интеллект с помощью облачных API Cognitive Services в ваши приложения.
*Автор: Джеф Просиз*
ISBN: 978-601-09-5051-1
Количество страниц: 640
Печать: Черно-белая
Формат: pdf скан
В этой книге рассматривается применение искусственного интеллекта и машинного обучения в бизнесе и инженерной сфере. Вы найдете подробное описание популярных алгоритмов машинного обучения, а также информацию о том, когда их лучше всего использовать. Приведены примеры построения моделей машинного обучения на Python с использованием библиотеки Scikit-Learn, а также создания нейронных сетей с помощью Keras и TensorFlow. Рассматриваются основы оценки регрессионных моделей, моделей бинарной и многоклассовой классификации. Показаны примеры создания моделей распознавания лиц и обнаружения объектов, языковых моделей для ответов на естественно-языковые вопросы и перевода текста на другие языки. Также обсуждается использование облачных API Cognitive Services для интеграции ИИ в различные приложения.
Эта книга поможет вам:
- Понять суть машинного и глубокого обучения;
- Узнать, как работают популярные алгоритмы машинного обучения и когда их применять;
- Создать модели машинного обучения на Python с помощью Scikit-Learn;
- Изучить создание нейронных сетей с использованием Keras и TensorFlow;
- Обучать и оценивать регрессионные модели, модели классификации;
- Разрабатывать модели распознавания лиц и объектов;
- Строить языковые модели для ответов на вопросы и перевода текста;
- Внедрять искусственный интеллект с помощью облачных API Cognitive Services в ваши приложения.
Для просмотра скрытого содержимого вы должны зарегистрироваться
Возможно, Вас ещё заинтересует:
- Ланчбоксы: идеи блюд на 30 дней [Klaudia Tobiasz] + Ланчбоксы: 60 новых рецептов для ланчбокса [Joanna Anger, Anna Piszczek]
- Практик трансформационных гипнотических путешествий, часть 01 из 10 (2026) [Игорь Ледоховский]
- Практик трансформационных гипнотических путешествий, часть 02 из 10 (2026) [Игорь Ледоховский]
- Практик трансформационных гипнотических путешествий, часть 03 из 10 (2026) [Игорь Ледоховский]
- Практик трансформационных гипнотических путешествий, часть 04 из 10 (2026) [Игорь Ледоховский]
- Практик трансформационных гипнотических путешествий, часть 05 из 10 (2026) [Игорь Ледоховский]
- Практик трансформационных гипнотических путешествий, часть 06 из 10 (2026) [Игорь Ледоховский]
- Практик трансформационных гипнотических путешествий, часть 07 из 10 (2026) [Игорь Ледоховский]