Машинне навчання в Python. Рецепти. З


Код: 17552589113
1226 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: 15

Просматривая «Машинное обучение в Python. Рецепты. От», вы можете быть уверены, что данный товар из каталога «[rubrica_name]» будет доставлен из Польши и проверен на целостность. В цене товара, указанной на сайте, учтена доставка из Польши. Внимание!!! Товары для Евросоюза, согласно законодательству стран Евросоюза, могут отличаться упаковкой или наполнением.

Машинне навчання в Python. Рецепти. Від підготовки даних до глибокого навчання. Edition II

Автори: Kyle Gallatin, Chris Albon

Видавець: Helion

Рік публікації: 2024

переклад: robert górczyns

Format: 165x235

Series: Recipes

Finding: soft

pages: 398

New

Cover price of the Книга: 89.00 PLN> Рекламна ціна можна знайти на нашому аукціоні!

4 В даний час Python та його бібліотеки найчастіше використовуються для машинного навчання. Знання останніх видань цих інструментів дозволяє ефективно створювати складні системи навчання.

Ось оновлене видання популярного посібника, завдяки якому ви будете використовувати понад двісті перевірених рецептів на основі останніх видань бібліотек Python. Все, що вам потрібно зробити, - це скопіювати та адаптувати код до ваших потреб. Ви також можете запустити його та протестувати з прикладом набору даних. У книзі ви знайдете рецепти, корисні для вирішення широкого спектру проблем, від підготовки та завантаження даних до навчальних моделей та використання нейронних мереж. Таким чином ви вийдете за рамки теоретичних чи математичних понять і почнете створювати програми за допомогою машинного навчання.

Ознайомтеся з рецептами про:

  • Працюйте з даними у багатьох форматах, з базами даних та зберіганням зберігання
  • зменшення розмірів, а також оцінкою та відбором моделі
  • Логістики, дерев та лісів, а також k-cluster sickets
  • of Sumpering, а також k-cluster secusters
  • rivems vectors (naive bays) Класифікація та кластеризація
  • Обмін навченими моделями за допомогою багатьох рамок

Я довго шукав книгу, яка розглядала б алгоритм ANN, Hiperplas та вибір функцій із випадковим лісом. І тоді ця позиція з’явилася!