Автор: Алпайдин Э. Название: Машинное обучение: новый искусственный интеллект ISBN: 5961461149 ISBN-13(EAN): 9785961461145 Издательство: Альпина Рейтинг: Цена: 2660.00 T Наличие на складе: Есть (1 шт.) Описание: Книга "Машинное обучение: новый искусственный интеллект" Этема Алпайдина из серии "Базовые знания" издательства MIT Press представляет собой краткое введение в машинное обучение. Книга дает общее представление о машинном обучении, описывает суть основных алгоритмов обучения без погружения в технические подробности и обсуждает некоторые примеры их применения.
Автор: Халафян А. А. Название: Методы машинного обучения в Data Mining пакета STATISTICA ISBN: 5991209758 ISBN-13(EAN): 9785991209755 Издательство: Горячая линия - Телеком Рейтинг: Цена: 6190.00 T Наличие на складе: Невозможна поставка.
Автор: Рашка С. Название: Python и машинное обучение ISBN: 5970604097 ISBN-13(EAN): 9785970604090 Издательство: ДМК Рейтинг: Цена: 14610.00 T Наличие на складе: Невозможна поставка.
Автор: Шарден Б.,Массарон Л.,Боскетти А. Название: Крупномасштабное машинное обучение вместе с Python ISBN: 5970605069 ISBN-13(EAN): 9785970605066 Издательство: ДМК Рейтинг: Цена: 22500.00 T Наличие на складе: Невозможна поставка.
Автор: Элбон К. Название: Машинное обучение с использованием Python. Сборник рецептов ISBN: 5977540566 ISBN-13(EAN): 9785977540568 Издательство: БХВ - Петербург Рейтинг: Цена: 7540.00 T Наличие на складе: Невозможна поставка. Описание: Книга содержит около 200 рецептов решения практических задач машинного обучения, таких как загрузка и обработка текстовых или числовых данных, отбор модели, уменьшение размерности и многие другие. Рассмотрена работа с языком Python и его библиотеками, в том числе pandas и scikit-learn. Решения всех задач сопровождаются подробными объяснениями. Каждый рецепт содержит работающий программный код, который можно вставлять, объединять и адаптировать, создавая собственное приложение. Приведены рецепты решений с использованием: векторов, матриц и массивов; обработки данных, текста, изображений, дат и времени; уменьшения размерности и методов выделения или отбора признаков; оценивания и отбора моделей; линейной и логистической регрессии, деревьев, лесов; опорно-векторных машин (SVM), наивных байесовых классификаторов, кластеризации и нейронных сетей; сохранения и загрузки натренированных моделей.
