Практическое машинное обучение

• Автор: Шелига Марцин
• Провайдер: Azymut
• количество страниц: 468
• формат: 16,5x23,5 см
• номер выпуска: 1
• язык публикации: польский
• дата публикации: 01.01.2019
• тип переплета: мягкая обложка
• год выпуска: 2019

Последнее десятилетие стало временем беспрецедентного развития искусственного интеллекта: не только новаторских исследований алгоритмов машинного обучения, но и все более широкого использования интеллектуальных машин в различных сферах нашей жизни. Это развитие ограничивается недостаточным количеством специалистов, сочетающих знания в области моделирования данных (подготовки данных и принципов работы алгоритмов машинного обучения) со знанием языков анализа данных, таких как SQL, R или Python. Инженерия данных — это междисциплинарные знания, требующие знаний алгебры, геометрии, статистики, вероятности и алгоритмов, дополненные практическими навыками программирования. Более того, искусственный интеллект является предметом интенсивных научных исследований, и простое отслеживание прогресса в этой области требует регулярного (ежедневного) повышения квалификации. Эта книга сочетает теорию с практикой. В нем описаны решения нескольких распространенных проблем, таких как прогнозирование прибыли, оптимизация маркетинговых кампаний, профилактическое обслуживание оборудования и оценка кредитного риска. Их расположение целенаправленно — каждый пример — это возможность объяснить конкретные вопросы, начиная с инструментов, через основы машинного обучения, способы оценки качества данных и подготовки их к дальнейшему анализу, принципы создания моделей машинного обучения и их оптимизации, заканчивая советами. по внедрению готовых моделей в производство. Книга адресована всем, кто хотел бы научиться или совершенствоваться: практические знания статистики и умение визуализировать данные, необходимые для оценки качества данных; практические знания SQL, R или Python, необходимые для организации, подготовки и обогащения данных; принципы работы отдельных алгоритмов машинного обучения, необходимые для их выбора и оптимизации; использование R или Python для создания, оценки, оптимизации и развертывания моделей интеллектуального анализа данных в производстве. Как студенты-ИТ-студенты, так и аналитики, программисты, администраторы баз данных и статистики найдут в книге информацию, которая позволит им освоить практические навыки, необходимые для самостоятельного создания систем машинного обучения.