Python. Машинне навчання. Видання II
- Час доставки: 7-10 днів
- Стан товару: новий
- Доступна кількість: 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
- Назва: python. Машинне навчання. Edition II
- Кількість сторінок: 528
- Виявлення: Soft
- Рік публікації: 2019
Машинне навчання - це надзвичайно захоплююча сфера інженерії. Ми все більше стикаємося з практичним використанням цього типу інноваційних технологій. Алгоритми машини для самовизначення дозволяють отримати знання з величезної кількості даних. Для людини, яка планує розвиток кар’єри, досягнення кваліфікації у вирішенні проблем з машинним навчанням є надзвичайно привабливим шляхом. Використання Python для цієї мети дозволяє також використовувати дуже доступний, універсальний та потужний інструмент, призначений для аналізу наукових даних. Теоретичні основи машинного навчання були вичерпно описані тут. Дуже багато уваги було приділено функціонуванню алгоритмів глибокого навчання, як їх використовувати та методи, щоб уникнути значних помилок. Для представлення вдосконаленої інформації про нейронні мережі були додані глави: про плетіння, використовувані для розпізнавання зображень та про рекурсивні мережі, ідеально підходящі для роботи з послідовними даними та даними часових рангів. Окремі питання проілюстровані практичними прикладами коду, написаного в Python, який сприятиме прямій ознайомленні з темою машинного навчання. Обробка зображень та текстових даних Найцінніші бібліотеки Python, корисні для машинного навчання машинного навчання: Ось шлях до знань, прихованих в океані! В даний час він готує докторську ступінь в Мічиганському державному університеті від методів розрахунку в статистичній біології. Він вільно володіє Python. Рашка також бере участь у різних проектах з відкритим кодом та реалізує нові методи машинного навчання. У вільний час він працює над прогнозними моделями спортивних дисциплін. Якщо він не сидить перед монітором, він охоче практикує спорт. Він також розробляє моделі нейронних мереж, які полегшують виявлення пішоходів автономними транспортними засобами.