Практическое машинное обучение

szeliga marcin

• Издатель: PWN Scientific Publishing House
• Год публикации: 2019
• Luminaire: Soft
• Формат: 165 x 235 мм
• Количество страниц: 360
• ean: 9788301201207625
• ean: 9788301201207625
• ean: 9788301201207625
• ean: 9788301201207625
• ean: 9788301201207625
• .

Последнее десятилетие - это время беспрецедентного развития искусственного интеллекта - не только новаторские исследования алгоритмов машинного обучения, но и все более и более распространенное использование интеллектуальных машин в различных областях нашей жизни. Эта разработка ограничивает недостаточное количество специалистов, объединяющих знание моделирования данных (подготовка данных и принципы алгоритмов машинного обучения) с знанием языков анализа данных, таких как SQL, R или Python. Наука данных - это междисциплинарные знания, которые требуют знаний о алгебре, геометрии, статистике, вероятности и алгоритмиках, дополненных практическими навыками программирования. Более того, искусственный интеллект является предметом интенсивных научных исследований, и просто отслеживание прогресса в этой области связано с регулярным (повседневным) обучением. Эта книга сочетает в себе теорию с практикой. Описывает решения для дюжины или около того типичных проблем, таких как прогнозирование прибыли, оптимизация маркетинговой кампании, проактивное обслуживание оборудования или оценку кредитного риска. Их договоренность является преднамеренным - каждый пример - это возможность прояснить конкретные проблемы, начиная с инструментов, посредством оснований машинного обучения, методов оценки качества данных и их подготовки к дальнейшему анализу, принципам создания моделей машинного обучения и их оптимизации, к советам по реализации готовых моделей для производства. Книга адресована всем, кто хотел бы знать или улучшить: Практическое знание статистики и способность визуализации данных, необходимых для оценки качества данных; Практические знания о языке SQL, R или Python, необходимых для упорядочения, предварительной обработки и обогащения данных; Принципы отдельных алгоритмов машинного обучения, необходимых для их выбора и оптимизации; Использование языка R или Python для создания, оценки, оптимизации и реализации моделей исследования данных для производства. Как ИТ -студенты, так и аналитики, программисты, администраторы баз данных и статистика найдут информацию в книге, которая позволит им овладеть практическими навыками, необходимыми для создания самих систем машинного обучения.

[код предложения, 99839600100ks, 978301207625,2025-01-17 15:24:16]