ZetHUB
Administrator
- Регистрация
- 18 Дек 2018
- Сообщения
- 46.063
- Реакции
- 10.027
Другие темы автора:
[Алекс Мэй] Подписка на телеграм канал (Декабрь 2025)
[Дмитрий Агарков] Система планирования жизни с ии-агентом Я 2.0 на...
[УОМ] Мозг и нейронауки. Модуль 1. Биоархитектура мозга (2025)
[winger_angel] Наталия Брижатюк → МК «Моя карма- деньги» (2025)
[Ирина Подрез] Стратегическая карта 2026-2027. Тариф Базовый (2025)
[Дмитрий Агарков] Система планирования жизни с ии-агентом Я 2.0 на...
[УОМ] Мозг и нейронауки. Модуль 1. Биоархитектура мозга (2025)
[winger_angel] Наталия Брижатюк → МК «Моя карма- деньги» (2025)
[Ирина Подрез] Стратегическая карта 2026-2027. Тариф Базовый (2025)
- #1
Голосов: 0
Python и машинное обучение [Тайлер Венс]
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.
Формат: PDF.
Скачать
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.
Формат: PDF.
Скачать