/ / / / /

Python и машинное обучение. Машинное и глубокое обучение с использованием Python, scikit-learn, Серый

Диалектика

sku: 4230034

3,745.00 руб.

Shipping from: Russia

Description

Книга является всеобъемлющим руководством по машинному и глубокому обучению с использованием языка Python. Она служит как пошаговым учебным пособием, так и справочником, к которому вы постоянно будете обращаться в ходе построения систем машинного обучения.
Книга наполнена четкими пояснениями, визуальными представлениями, работающими примерами и детально раскрывает все важные методики машинного обучения. В то время как некоторые книги учат вас следовать инструкциям, Рашка и Мирджалили излагают принципы, лежащие в основе машинного обучения, что позволит вам самостоятельно строить модели и приложения.
Третье издание книги обновлено с целью учета версии библиотеки TensorFlow-2 и последних добавлений в scikit-learn. Оно расширено для охвата двух самых современных методик машинного обучения: обучения с подкреплением и порождающих состязательных сетей.
Эта книга — ваш попутчик в машинном обучении с применением Python, будь вы разработчиком приложений на языке Python, не знакомым с машинным обучением, или разработчиком, желающим углубить свои знания в современных областях.

Technical Details

author:	Рашка Себастьян, Мирджалили Вахид
availabilityCode:	3
binding:	70x100/16
Color:	Серый
Cover:	твердый переплёт
ds:	25
ISBN:	978-5-907203-57-0
language:	rus
page_extent:	848
table_of_contents:	Предисловие Глава 1. Наделение компьютеров способностью обучения на данных Глава 2. Обучение простых алгоритмов МО для классификации Глава 3. Обзор классификаторов на основе машинного обучения с использованием scikit-learn Глава 4. Построение хороших обучающих наборов — предварительная обработка данных Глава 5. Сжатие данных с помощью понижения размерности Глава 6. Освоение практического опыта оценки моделей и настройки гиперпараметров Глава 7. Объединение разных моделей для ансамблевого обучения Глава 8. Применение машинного обучения для смыслового анализа Глава 9. Встраивание модели машинного обучения в веб-приложение Глава 10. Прогнозирование значений непрерывных целевых переменных с помощью регрессионного анализа Глава 11. Работа с непомеченными данными — кластерный анализ Глава 12. Реализация многослойной искусственной нейронной сети с нуля Глава 13. Распараллеливание процесса обучения нейронных сетей с помощью TensorFlow Глава 14. Погружаемся глубже — механика TensorFlow Глава 15. Классификация изображений с помощью глубоких сверточных нейронных сетей Глава 16. Моделирование последовательных данных с использованием рекуррентных нейронных сетей Глава 17. Порождающие состязательные сети для синтеза новых данных Глава 18. Обучение с подкреплением для принятия решений в сложных средах Предметный указатель
topCategoryId:	3
Type:	book
Weight:	1230
year:	2020
Высота:	41
Длина:	245
Ширина:	180