Наука о данных и машинное обучение Селига


Код: 13633723191
1867 грн
Цена указана с доставкой в Украину
Товар есть в наличии
КАК ЭКОНОМИТЬ НА ДОСТАВКЕ?
Заказывайте большое количество товаров у этого продавца
Информация
  • Время доставки: 7-10 дней
  • Состояние товара: новый
  • Доступное количество: 5

Покупая «Наука данных и машинное обучение Szeliga», вы можете быть уверены, что данный товар из каталога «[rubrica_name]» вы получите в срок 5-7 дней после оплаты. Товар будет доставлен из Европы, проверен на целостность, иметь европейское качество.

Наука о данных и машинное обучение

Шелига Марцин

Издательство: Научное издательство PWN

ISBN: 978-83-01-19232-7

Формат: 16,5x23,5 см

Количество страниц: 372

Обложка: Мягкая

Выпуск: 1, 2017 г.

Язык: польский

21 век — время искусственного интеллекта. Не только специализированный, который водит автомобили, переводит естественные языки или ищет лекарство от рака, но и универсальный, решающий задачи в различных областях. Этим прорывом мы обязаны сочетанию трёх событий: развитию технологий хранения и обработки данных, новому научному методу (data science) и машинному обучению, в частности значительному прогрессу в области глубокого машинного обучения.

В книге машинное обучение представлено с практической точки зрения. Проводя описанные в нем эксперименты по науке о данных, мы научимся использовать статистические правила и алгоритмы машинного обучения для решения конкретных задач. Такой подход означает, что ИТ-студенты и специалисты - аналитики, ИТ-специалисты и специалисты по базам данных - получат не только теоретические знания, но и возможность использовать их практически в повседневной работе.

Книга разделена на четыре части:

• В первой главе объясняется термин «Наука о данных» и показано применение этого метода в научных экспериментах.

• Главы со второй по четвертую посвящены данным: методам оценки их качества, предварительной подготовки и обогащения данных для дальнейшего анализа.

• В главах с пятой по девятую описаны различные типы прогнозных моделей: классификаторы, регрессоры, модели кластеризации, рекомендательные и прогнозные модели.

• В последних двух главах книги представлены методы оценки и улучшения качества моделей и предоставления их пользователям в виде услуг.