Data Science i uczenie maszynowe - WN PWN


Код: 15517187029
1500 грн
Ціна вказана з доставкою в Україну
Товар є в наявності
ЯК ЕКОНОМИТИ НА ДОСТАВКЕ?
Замовляйте велику кількість товарів у цього продавця
Інформація
  • Час доставки: 7-10 днів
  • Стан товару: новий
  • Доступна кількість: 1

Просматривая «Data Science i uczenie maszynowe - WN PWN» данный товар из каталога «Программирование» вы можете быть уверены, что после оформления заказа, доставки в Украину, вы получите именно то, что заказывали, в оговоренные сроки и европейского качества.

Наука про дані та машинне навчання – WN PWN

  • Автор: Szeliga Marcin
  • Постачальник: Azymut
  • кількість сторінок: 450
  • формат: 16,5x23,5см
  • мова видання: польська
  • дата випуску: 18/05/2017
  • тип палітурки: м'яка обкладинка
  • рік видання: 2017< /li>

Видавництво: Наукове видавництво PWN

EAN: 9788301192327

21 століття – це час штучного інтелекту. Не тільки спеціалізований, який водить машини, перекладає природні мови або шукає ліки від раку, а й універсальний, який вирішує завдання в різних сферах. Цьому прориву ми завдячуємо поєднанню трьох подій: розвитку технологій зберігання та обробки даних, нового наукового методу (data science) і машинного навчання, зокрема значного прогресу в області глибокого машинного навчання.

У книзі представлено машинне навчання з практичної точки зору. Проводячи описані в ньому наукові експерименти з даними, ми навчимося використовувати статистичні правила й алгоритми машинного навчання для вирішення конкретних проблем. Такий підхід означає, що студенти та спеціалісти з ІТ – аналітики, ІТ-фахівці та спеціалісти з баз даних – отримають не лише теоретичні знання, а й уміння використовувати їх практично у повсякденній роботі.

Книга складається з чотирьох частин:

•          У першому розділі пояснюється термін Data science і показано застосування цього методу в наукових експериментах.

•          Розділи друга-четверта присвячені даним: техніці оцінки їх якості, попередній підготовці та збагаченню даних для подальшого аналізу.

•          Розділи з п’ятого по дев’ятий описують різні типи прогнозних моделей: класифікатори, регресори, кластеризацію, рекомендації та моделі прогнозу.

•          В останніх двох розділах книги представлено методи оцінки та покращення якості моделей і надання їх користувачам як послуг w|w|w_