Red Sun
Модератор
- 01.01.22
- 32.033
- 308.247
Другие курсы от автора:
[Елена Александрова] [Smart-Planner] Умные заметки (2024)
[Татьяна Сахарчук] Активация блуждающего нерва (2024)
[Эрнест Нейман] Enter The Void (2024)
[ornaud] Чек-лист YouTube Shorts (2024)
[Алина Сова] Миллионы на мини-продуктах (2024)
[Дмитрий Зверев] Изучение аудитории вашего проекта через нейросеть (2024)
[Мария Бразговская] Внимание на меня! (2024)
[Татьяна Сахарчук] Активация блуждающего нерва (2024)
[Эрнест Нейман] Enter The Void (2024)
[ornaud] Чек-лист YouTube Shorts (2024)
[Алина Сова] Миллионы на мини-продуктах (2024)
[Дмитрий Зверев] Изучение аудитории вашего проекта через нейросеть (2024)
[Мария Бразговская] Внимание на меня! (2024)
[Джеф Просиз] Прикладное машинное обучение и искусственный интеллект для инженеров (2024)
Прикладное машинное обучение и искусственный интеллект для инженеров [Джеф Просиз]
Книга рассказывает о применении искусственного интеллекта и машинного обучения в бизнесе и инженерной практике. Подробно описаны популярные алгоритмы машинного обучения и разъяснено, когда их целесообразно использовать. Приведены примеры построения моделей машинного обучения на языке Python с помощью библиотеки Scikit-Learn, а также создания нейронных сетей посредством библиотек Keras и TensorFlow. Изложены базовые принципы и способы оценки регрессионных моделей, моделей бинарной и многоклассовой классификации. Показаны примеры создания модели распознавания лиц и обнаружения объектов, языковых моделей, отвечающих на естественно-языковые вопросы и переводящих текст на другие языки. Рассмотрено использование набора облачных API Cognitive Services для внедрения ИИ в различные приложения.
Эта книга поможет вам:
Количество страниц 640
Печать Черно-белая
Форсат: pdf скан
Подробнее:
Прикладное машинное обучение и искусственный интеллект для инженеров [Джеф Просиз]
Книга рассказывает о применении искусственного интеллекта и машинного обучения в бизнесе и инженерной практике. Подробно описаны популярные алгоритмы машинного обучения и разъяснено, когда их целесообразно использовать. Приведены примеры построения моделей машинного обучения на языке Python с помощью библиотеки Scikit-Learn, а также создания нейронных сетей посредством библиотек Keras и TensorFlow. Изложены базовые принципы и способы оценки регрессионных моделей, моделей бинарной и многоклассовой классификации. Показаны примеры создания модели распознавания лиц и обнаружения объектов, языковых моделей, отвечающих на естественно-языковые вопросы и переводящих текст на другие языки. Рассмотрено использование набора облачных API Cognitive Services для внедрения ИИ в различные приложения.
Эта книга поможет вам:
- узнать, что такое машинное обучение и глубокое обучение;
- понять, как работают популярные алгоритмы машинного обучения и когда их следует применять;
- построить модели машинного обучения на языке Python с помощью библиотеки Scikit-Learn, а также создать нейронные сети, используя библиотеки Keras и TensorFlow;
- обучать и оценивать регрессионные модели, а также модели бинарной и многоклассовой классификации;
- создавать модели распознавания лиц и обнаружения объектов;
- строить языковые модели, отвечающие на естественно-языковые вопросы и переводящие текст на другие языки;
- использовать набор облачных API Cognitive Services для внедрения ИИ в создаваемые вами приложения.
Количество страниц 640
Печать Черно-белая
Форсат: pdf скан
Подробнее:
Скачать:Для просмотра ссылок необходимо выполнить Вход или Регистрация
Для просмотра скрытого содержимого вы должны войти или зарегистрироваться.