"Practical Machine Learning with Python.
A Problem-Solver's Guide to Building Real-World Intelligent Systems" - Tushar Sharma, Raghav Bali, Dipanjan Sarkar
Изучите основные навыки, необходимые для решения задач распознавания и сложных проблем в области Machine Learning и Deep Learning. Используя реальные примеры, которые используют популярную экосистему Python, эта книга является вашим идеальным
компаньоном для изучения искусства и науки Machine Learning, чтобы стать успешным практиком. Концепции, методы, инструменты, рамки и
методологии, используемые в этой книге, научат вас правильно мыслить, проектировать, строить и выполнять системы и проекты машинного
обучения. Практическое машинное обучение с Python следует структурированному и всеобъемлющему трехуровневому подходу, дополненному практическими примерами и кодом.
В части 1 основное внимание уделяется пониманию концепций и инструментов машинного обучения - основы машинного обучения
с широким обзором алгоритмов, методов, концепций и приложений.
Также рассматриваются краткие руководства по полезным инструментам машинного обучения, библиотекам и структурам.
В части 2 подробно описываются стандартные пути машинного обучения, с акцентом на анализе обработки данных, разработке функций и
моделировании. Вы узнаете, как обрабатывать, пререкаться, суммировать и визуализировать данные в различных формах.
В части 3 рассматриваются многочисленные тематические исследования в реальном мире, охватывающие различные области и отрасли, такие как
розничная торговля, транспорт, фильмы, музыка, маркетинг, компьютерное зрение и финансы.
Из данной книги вы узнаете.
1. Как выполнять от начала и до конца проекты и системы Machine Learning
2. Как внедрить практические примеры с отраслевыми стандартами, с открытым исходным кодом, надежными инструментами машинного обучения и системами.
3. О тематических исследованиях, описывающих приложения Machine Learning и Deep Learning в различных областях и отраслях.
4. Как применять широкий диапазон моделей машинного обучения, включая регрессию, классификацию и кластеризацию.
5. Научитесь понимать и применять последние модели и методологии из глубокого обучения, включая CNN, RNN, LSTM и передачу обучения.
Скачать книгу...
A Problem-Solver's Guide to Building Real-World Intelligent Systems" - Tushar Sharma, Raghav Bali, Dipanjan Sarkar
Изучите основные навыки, необходимые для решения задач распознавания и сложных проблем в области Machine Learning и Deep Learning. Используя реальные примеры, которые используют популярную экосистему Python, эта книга является вашим идеальным
компаньоном для изучения искусства и науки Machine Learning, чтобы стать успешным практиком. Концепции, методы, инструменты, рамки и
методологии, используемые в этой книге, научат вас правильно мыслить, проектировать, строить и выполнять системы и проекты машинного
обучения. Практическое машинное обучение с Python следует структурированному и всеобъемлющему трехуровневому подходу, дополненному практическими примерами и кодом.
В части 1 основное внимание уделяется пониманию концепций и инструментов машинного обучения - основы машинного обучения
с широким обзором алгоритмов, методов, концепций и приложений.
Также рассматриваются краткие руководства по полезным инструментам машинного обучения, библиотекам и структурам.
В части 2 подробно описываются стандартные пути машинного обучения, с акцентом на анализе обработки данных, разработке функций и
моделировании. Вы узнаете, как обрабатывать, пререкаться, суммировать и визуализировать данные в различных формах.
В части 3 рассматриваются многочисленные тематические исследования в реальном мире, охватывающие различные области и отрасли, такие как
розничная торговля, транспорт, фильмы, музыка, маркетинг, компьютерное зрение и финансы.
Из данной книги вы узнаете.
1. Как выполнять от начала и до конца проекты и системы Machine Learning
2. Как внедрить практические примеры с отраслевыми стандартами, с открытым исходным кодом, надежными инструментами машинного обучения и системами.
3. О тематических исследованиях, описывающих приложения Machine Learning и Deep Learning в различных областях и отраслях.
4. Как применять широкий диапазон моделей машинного обучения, включая регрессию, классификацию и кластеризацию.
5. Научитесь понимать и применять последние модели и методологии из глубокого обучения, включая CNN, RNN, LSTM и передачу обучения.
Скачать книгу...