Silen
Администратор
- Регистрация
- 3 Дек 2015
- Сообщения
- 179.726
- Реакции
- 755.680
Складчина: Алгоритмы машинного обучения: базовый курс [Тайлер Венс]
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.
Спойлер: содержание
Глава 1. Что такое машинное обучение?
Глава 2. Применение машинного обучения
Глава 3. Необходимый базис
Глава 4. Супервизорное обучение
Глава 5. Несувервизорное обучение
Глава 6. Полусупервизорное и обучение с подкреплением
Глава 7. Линейные модели
Глава 8. Методы ближайших соседей
Глава 9. Деревья решений и ансамблевые методы
Глава 10. Методы опорных векторов (SVM)
Глава 11. Нейронные сети
Глава 12. Работа с данными
Глава 14. Разработка ML-проекта
Глава 15. Оценка и валидация моделей
Глава 16. Обучение на больших данных
Глава 17. Обработка и анализ текстовых данных
Глава 18. Применение машинного обучения в реальных приложениях
Цена 690 руб.
Формат epub, fb2, fb3, ios.epub, mobi, pdf, txt, zip
СКАЧАТЬ СЛИВ КУРСА
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.
Спойлер: содержание
Глава 1. Что такое машинное обучение?
Глава 2. Применение машинного обучения
Глава 3. Необходимый базис
Глава 4. Супервизорное обучение
Глава 5. Несувервизорное обучение
Глава 6. Полусупервизорное и обучение с подкреплением
Глава 7. Линейные модели
Глава 8. Методы ближайших соседей
Глава 9. Деревья решений и ансамблевые методы
Глава 10. Методы опорных векторов (SVM)
Глава 11. Нейронные сети
Глава 12. Работа с данными
Глава 14. Разработка ML-проекта
Глава 15. Оценка и валидация моделей
Глава 16. Обучение на больших данных
Глава 17. Обработка и анализ текстовых данных
Глава 18. Применение машинного обучения в реальных приложениях
Цена 690 руб.
Формат epub, fb2, fb3, ios.epub, mobi, pdf, txt, zip
СКАЧАТЬ СЛИВ КУРСА
Для просмотра скрытого содержимого вы должны зарегистрироваться
Возможно, Вас ещё заинтересует:
- [ИИ] Чат-бот с искусственным интеллектом ChatGPT [Pro №1, на 3 месяца до 20 человек] [openai.com]
- Методический интенсив "Вспомнить всё" [Татьяна Фанштейн]
- Методический интенсив "Простые решения" [Татьяна Фанштейн]
- Гайд Кудрявые волосы [Sama] [Екатерина Корюкова]
- [Вязание] Топ Бохромучо [Алена Филатова]
- Готовые презентации для онлайн-уроков (20 презентаций) [Школа Татьяны Фанштейн] [Инесса Кивикангас]