Жанр: Учебная литература
Издательство: SelfPub
Практическое руководство для новичков, которые хотят понять основы машинного обучения. Здесь представлены ключевые алгоритмы, такие как линейная регрессия, деревья решений, методы опорных векторов и нейронные сети, а также объясняется работа с данными и инструменты Python.
Четкие объяснения, примеры кода и практические задачи помогут быстро освоить теорию и начать применять машинное обучение в реальных проектах. Книга идеально подходит для студентов, аналитиков и разработчиков, делающих первые шаги в этой области.
Жанр: Разное
Практическое руководство по использованию Python для решения задач машинного обучения. В книге подробно рассмотрены ключевые концепции, методы и инструменты, которые необходимы для построения эффективных моделей и работы с различными типами данных. Читатели узнают, как подготовить данные, применить популярные алгоритмы классификации и регрессии, а также освоят методы для работы с временными рядами, изображениями и текстом.
Особое внимание уделено важным аспектам МО, таким как выбор признаков, регуляризация моделей, методы ансамблей, а также эффективная настройка гиперпараметров. Книга подходит как для новичков, так и для опытных специалистов, поскольку включает как базовые, так и более продвинутые темы, такие как глубокое обучение, обработка изображений и использование трансферного обучения.
Используя примеры реальных задач и подробные инструкции, книга поможет вам освоить Python в контексте машинного обучения и применить полученные знания для решения практических проблем.
или Войдите