Скачать [БХВ] Машинное обучение с использованием Python. 2 изд. [Кайл Галлатин, Крис Элбон]

Sky90

VIP складчик
Platinum
Премиум
Администратор
Регистрация
1 Дек 2015
Сообщения
145.968
Реакции
777.031
[БХВ] Машинное обучение с использованием Python. 2 изд. [Кайл Галлатин, Крис Элбон]
[БХВ]Машинное обучение с использованием Python. Сборник рецептов: практические решения от предобработки до глубокого обучения, 2 изд.[Кайл Галлатин, Крис Элбон]




Галлатин Кайл, Элбон Крис
Количество страниц 384
Печать Черно-белая
Формат: pdf (скан)

Книга содержит около 200 задач машинного обучения, таких как загрузка и обработка текстовых или числовых данных, отбор модели и многие другие. Рассмотрена работа с языком Python, библиотеками pandas и scikit-learn. Коды примеров можно вставлять, объединять и адаптировать, создавая собственное приложение. Приведены рецепты решений с использованием: векторов, матриц и массивов; данных из CSV, JSON, SQL, баз данных, облачных хранилищ и других источников; обработки данных, текста, изображений, дат и времени; умень-шения размерности и методов выделения или отбора признаков; оценивания и отбора моделей; линейной и логистической регрессии, деревьев, лесов и k ближайших соседей; опорно-векторных машин (SVM), наивных байесовых классификаторов, кластеризации и нейронных сетей; сохранения и загрузки натренированных моделей.
Во втором издании все примеры обновлены, рассмотрены задачи и фреймворки глубокого обучения, расширены разделы с тензорами, нейронными сетями и библиотекой глубокого обучения PyTorch.

Для разработчиков систем машинного обучения

В книге Вы найдете рецепты для:

векторов, матриц и массивов;
работы с данными из CSV, JSON, SQL, базами данных, облачными хранилищами и другими источниками;
обработки числовых и категориальных данных, текста, изображений, дат и времени;
уменьшения размерности с использованием методов выделения или отбора признаков;
оценивания и отбора моделей;
сохранения и загрузки натренированных моделей.

Научитесь решать задачи с использованием:

линейной и логистической регрессии, деревьев, лесов и k ближайших соседей;
опорно-векторных машин (SVM), наивных байесовых классификаторов, кластеризации и нейронных сетей.

Стоимость - неизвестно




 
Сверху