Red Sun
Модератор
- 01.01.22
- 43.782
- 496.050
Другие курсы от автора:
[Анна Риттер, Сергей Воронцов] Деньги и травмы (2025)
[Алексей Арестович] [Apeiron] Курс разбора книг Ивана Ефремова. Занятие 2...
[Мария Данина, Наталья Кисельникова] [Психодемия] Нейросети для работы...
[Илья Коровин] Опционы и Фьючерсы на Московской Бирже (2025)
[Ирина Чу] [Метод Light] Хоумстейджинг (2025)
[Маргарита Былинина] Вечные прогревы и воронки в Телеграм (2025)
[Светлана Яковлева] [Dolce Gusti] Новогодний курс 2026 (2025)
[Алексей Арестович] [Apeiron] Курс разбора книг Ивана Ефремова. Занятие 2...
[Мария Данина, Наталья Кисельникова] [Психодемия] Нейросети для работы...
[Илья Коровин] Опционы и Фьючерсы на Московской Бирже (2025)
[Ирина Чу] [Метод Light] Хоумстейджинг (2025)
[Маргарита Былинина] Вечные прогревы и воронки в Телеграм (2025)
[Светлана Яковлева] [Dolce Gusti] Новогодний курс 2026 (2025)
[Оливер Теобальд] Машинное обучение для абсолютных новичков. Вводный курс, изложенный простым языком (2024)
Машинное обучение для абсолютных новичков. Вводный курс, изложенный простым языком [Оливер Теобальд]
Практическое и подробное введение в машинное обучение.
Простые и понятные объяснения и отсутствие необходимости опыта программирования делают эту книгу прекрасной альтернативой академическому учебнику. Здесь представлены основные алгоритмы машинного обучения (ML), которые сопровождаются наглядными примерами и практическими работами. Также вы узнаете про перекрестную проверку, ансамблевое моделирование, поиск по сетке для настройки моделей, проектирование функций, горячее кодирование и многое другое.
Для разработки интеллектуальных машин в первую очередь надо понять классическую статистику, так как алгоритмы на ее основе — это сердце машинного обучения. Написание кода — еще одна неотъемлемая часть ML, которая предусматривает управление данными. Однако материал этого руководства можно освоить даже без навыков программирования.
Возможно, с чтения этой книги начнется ваш путь к получению работы в области машинного обучения, а может быть, она просто удовлетворит ваше любопытство.
Внутри руководства:
технический писатель, специализирующийся на темах искусственного интеллекта, финансовых технологий и облачных вычислений. Автор книг Python for Absolute Beginners, Machine Learning with Python for Beginners, Data Analytics for Absolute Beginners и др.
"Машинное обучение для абсолютных новичков" Оливера Теобальда — это идеальная книга для тех, кто хочет изучить основы машинного обучения (ML) без опыта программирования.
Книга содержит основные алгоритмы ML, наглядные примеры, практические работы и обучение классической статистике. Руководство включает в себя материалы про загрузку бесплатных наборов данных, методы очистки и подготовки данных для анализа, основы работы нейронных сетей и многое другое.
Формат: PDF.
Подробнее:
Машинное обучение для абсолютных новичков. Вводный курс, изложенный простым языком [Оливер Теобальд]
Практическое и подробное введение в машинное обучение.
Простые и понятные объяснения и отсутствие необходимости опыта программирования делают эту книгу прекрасной альтернативой академическому учебнику. Здесь представлены основные алгоритмы машинного обучения (ML), которые сопровождаются наглядными примерами и практическими работами. Также вы узнаете про перекрестную проверку, ансамблевое моделирование, поиск по сетке для настройки моделей, проектирование функций, горячее кодирование и многое другое.
Для разработки интеллектуальных машин в первую очередь надо понять классическую статистику, так как алгоритмы на ее основе — это сердце машинного обучения. Написание кода — еще одна неотъемлемая часть ML, которая предусматривает управление данными. Однако материал этого руководства можно освоить даже без навыков программирования.
Возможно, с чтения этой книги начнется ваш путь к получению работы в области машинного обучения, а может быть, она просто удовлетворит ваше любопытство.
Внутри руководства:
- Загрузка бесплатных наборов данных.
- Методы очистки данных, включая горячее кодирование, группирование и обработку недостающих данных.
- Подготовка данных для анализа.
- Линейный регрессионный анализ.
- Кластеризация, включая кластеризацию k-средних.
- Основы работы нейронных сетей.
- Смещение/дисперсия для улучшения модели машинного обучения.
- Деревья решений для декодирования классификации.
- Ваша первая модель машинного обучения с помощью Python.
технический писатель, специализирующийся на темах искусственного интеллекта, финансовых технологий и облачных вычислений. Автор книг Python for Absolute Beginners, Machine Learning with Python for Beginners, Data Analytics for Absolute Beginners и др.
"Машинное обучение для абсолютных новичков" Оливера Теобальда — это идеальная книга для тех, кто хочет изучить основы машинного обучения (ML) без опыта программирования.
Книга содержит основные алгоритмы ML, наглядные примеры, практические работы и обучение классической статистике. Руководство включает в себя материалы про загрузку бесплатных наборов данных, методы очистки и подготовки данных для анализа, основы работы нейронных сетей и многое другое.
Формат: PDF.
Подробнее:
Скачать:![]()
Машинное обучение для абсолютных новичков. Вводный курс, изложенный простым языком — Оливер Теобальд | Литрес
Простые и понятные объяснения и отсутствие необходимости опыта программирования делают эту книгу прекрасной альтернативой академическому учебнику. Здесь представлены основные алгоритмы машинного обуч…www.litres.ru
Для просмотра скрытого содержимого вы должны войти или зарегистрироваться.