33.97 USD
Наличие на складе:
Ожидаемое поступление (если вы сделаете заказ прямо сейчас): 11.11.2024; планируемая отправка: 12.11.2024
Ожидаемое поступление (если вы сделаете заказ прямо сейчас): 14.11.2024; планируемая отправка: 15.11.2024
Издательство: | ДМК Пресс |
Дата выхода: | март 2017 |
ISBN: | 978-5-97060-409-0 |
Объём: | 418 страниц |
Масса: | 700 г |
Размеры(В x Ш x Т), см: | 24 x 17 |
Обложка: | твёрдая |
Бумага: | офсетная |
Иллюстрированное издание | + |
Цветные иллюстрации | + |
Переводное издание: | Python Machine Learning |
Язык оригинала: | английский |
Машинное обучение и прогнозная аналитика преобразуют традиционную схему функционирования предприятий и других организаций. Эта книга предоставит вам доступ в мир прогнозной аналитики и продемонстрирует, почему Python является одним из ведущих языков науки о данных. Если вы хотите глубже и точнее анализировать данные либо нуждаетесь в усовершенствовании и расширении систем машинного обучения, эта книга окажет вам неоценимую помощь. Ознакомившись с широким кругом мощных программных библиотек Python, в том числе scikit-learn, Theano и Keras, а также получив советы по всем вопросам начиная с анализа мнений и заканчивая нейронными сетями, вы сможете принять важные решения, во многом определяющие деятельность вашей организации.
Чему вы научитесь, прочитав эту книгу:
• исследовать, как используются разные машинно-обучаемые модели, которые формулируют те или иные вопросы в отношении данных;
• конструировать нейронные сети при помощи библиотек Theano и Keras;
• писать красивый и лаконичный программный код на Python с оптимальным использованием созданных вами алгоритмов;
• встраивать вашу машинно-обучаемую модель в веб-приложение для повышения ее общедоступности;
• предсказывать непрерывнозначные результаты при помощи регрессионного анализа;
• обнаруживать скрытые повторяющиеся образы и структуры в данных посредством кластерного анализа;
• организовывать данные с помощью эффективных методов предобработки и использовать передовые практические подходы к оценке машиннообучаемых моделей;
• осуществлять анализ мнений, позволяющий подробнее интерпретировать текстовые данные и информацию из социальных сетей.
Если вы хотите узнать, как использовать Python, чтобы начать отвечать на критические вопросы в отношении ваших данных, возьмите данную книгу — и неважно, хотите ли вы приступить к изучению науки о данных с нуля или же намереваетесь расширить о ней свои знания, это принципиальный ресурс, который нельзя упускать.
Крайне необходимое издание по новейшей предсказательной аналитике для более глубокого понимания методологии машинного обучения!