Машинное обучение с помощью Python для всех

Машинное обучение с помощью Python для всех

Марк Феннер

     

бумажная книга

30.92 USD 27.52 USD

вы экономите 3.4 USD (11%).


В корзину


Наличие на складе:

Склад в Москве

Ожидаемое поступление (если вы сделаете заказ прямо сейчас): 16.05.2024; планируемая отправка: 17.05.2024

Склад в С.-Петербурге

Ожидаемое поступление (если вы сделаете заказ прямо сейчас): 16.05.2024; планируемая отправка: 17.05.2024



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.