Питон. Машинное обучение. Издание II
- Время доставки: 7-10 дней
- Состояние товара: новый
- Доступное количество: 2
Просматривая «Питон. Машинное обучение. Издание II» данный товар из каталога «Программирование», вы можете получить дополнительную скидку 4%, если произведете 100% предоплату. Размер скидки вы можете увидеть сразу при оформлении заказа на сайте. Внимание!!! Скидка распространяется только при заказе через сайт.
- stan: new
- Название: python. Машинное обучение. Издание II
- Количество страниц: 528
- Нахождение: Soft
- Год публикации: 2019
машинное обучение - чрезвычайно увлекательное поле инженерии. Мы все чаще сталкиваемся с практическим использованием этого типа инновационных технологий. Алгоритмы машинного эмиссии позволяют получить знания от огромных объемов данных. Для человека, планирующего развитие карьеры, достижение знания в решении проблем машинного обучения является чрезвычайно привлекательным путем. Использование Python для этой цели позволяет также использовать очень доступный, универсальный и мощный инструмент, предназначенный для анализа научных данных. Теоретические основы машинного обучения были исчерпывающе описаны здесь. Большое внимание было уделено работе алгоритмов глубокого обучения, как использовать их и методы, чтобы избежать значительных ошибок. Главы были добавлены для представления расширенной информации о нейронных сетях: о плетениях, используемых для распознавания изображений и о рекурсивных сетях, идеально подходящих для работы с последовательными данными и данными по времени. Индивидуальные проблемы были проиллюстрированы практическими примерами кода, написанного в Python, который будет способствовать прямой ознакомлению с предметом машинного обучения. Обработка изображений и текстовых данных Наиболее ценные библиотеки Python Полезно в машинном обучении: вот путь к знаниям, скрытый в океане! В настоящее время он готовит докторскую степень в Университете штата Мичиган от методов расчета в статистической биологии. Он свободно говорит на питоне. Рашка также участвует в различных проектах с открытым исходным кодом и реализует новые методы машинного обучения. В свободное время он работает над прогнозирующими моделями спортивных дисциплин. Если он не сидит перед монитором, он охотно практикует спорт. Он также разрабатывает модели нейронных сетей, которые должны облегчить обнаружение пешеходов автономными транспортными средствами