Python и машинное обучение

Python и машинное обучение

Себастьян Рашка

     

бумажная книга

39.32 USD 29.09 USD

вы экономите 10.23 USD (26%).


В корзину


Наличие на складе:

Склад в Москве

Ожидаемое поступление (если вы сделаете заказ прямо сейчас): 17.11.2020; планируемая отправка: 18.11.2020

Склад в С.-Петербурге

Ожидаемое поступление (если вы сделаете заказ прямо сейчас): 20.11.2020; планируемая отправка: 21.11.2020



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!