44.3 USD
Наличие на складе:
Ожидаемое поступление (если вы сделаете заказ прямо сейчас): 04.09.2024; планируемая отправка: 05.09.2024
Ожидаемое поступление (если вы сделаете заказ прямо сейчас): 04.09.2024; планируемая отправка: 05.09.2024
Издательство: | Эксмо |
Серия: | Мировой компьютерный бестселлер |
Дата выхода: | март 2024 |
ISBN: | 978-5-04-187899-3 |
Тираж: | 2 000 экземпляров |
Объём: | 672 страниц |
Масса: | 1167 г |
Размеры(В x Ш x Т), см: | 24 x 17 x 4 |
Обложка: | твёрдая |
Бумага: | офсетная |
ПОЛНОЕ РУКОВОДСТВО ДЛЯ ПОНИМАНИЯ И СОЗДАНИЯ СИСТЕМ МАШИННОГО ОБУЧЕНИЯ С ПОМОЩЬЮ PYTHON.
«Машинное обучение с помощью Python для всех» поможет вам овладеть процессами, шаблонами и стратегиями, необходимыми для создания эффективных систем обучения, даже если вы абсолютный новичок. Если вы немного знакомы с написанием кода на Python, эта книга для вас, независимо от того, насколько глубоко вы знаете математику.
Мы начнем с понятия машинного обучения и того, что можно сделать с его помощью, введем ключевые математические и вычислительные темы на понятном языке, помогая пройти первые шаги по созданию, обучению и оценке систем. Шаг за шагом вы освоите компоненты практической системы обучения, расширите ваш инструментарий и изучите некоторые из самых сложных и интересных методик. Это руководство полезно для любой системы обучения, которую вы будете использовать.
ДОКТОР МАРК Э. ФЕННЕР с 1999 года преподает информатику и математику, работает в области науки о данных. Марк разрабатывал учебные программы для крупных компаний, небольших консалтинговых фирм и научно-исследовательских лабораторий национального уровня. Он имеет степень доктора в области компьютерных наук.
Вы научитесь:
• Понимать алгоритмы, модели и основные концепции машинного обучения.
• Реалистично оценивать производительность систем машинного обучения.
• Настраивать производительность системы.
• Применять методы машинного обучения к изображениям и тексту.
• Взаимодействовать с нейронными сетями и графическими моделями.
• Разрабатывать функции для сглаживания данных и придания им полезной формы.
• Пользоваться библиотекой Python scikit-learn и другими мощными инструментами.