50% Off
J. Unpingco – Python for Probability Statistics and Machine Learning (2016)
Первоначальная цена составляла 2.680 ₽.1.340 ₽Текущая цена: 1.340 ₽.
Автор: J. Unpingco
Название книги: Python for Probability Statistics and Machine Learning (2016)
Формат: PDF
Жанр: Компьютеры
Страницы: 288
Качество: Изначально компьютерное, E-book
This book covers the key ideas that link probability, statistics, and machine learning illustrated using Python modules in these areas. The entire text, including all the figures and numerical results, is reproducible using the Python codes and their associated Jupyter/IPython notebooks, which are provided as supplementary downloads. The author develops key intuitions in machine learning by working meaningful examples using multiple analytical methods and Python codes, thereby connecting theoretical concepts to concrete implementations. Modern Python modules like Pandas, Sympy, and Scikit-learn are applied to simulate and visualize important machine learning concepts like the bias/variance trade-off, cross-validation, and regularization. Many abstract mathematical ideas, such as convergence in probability theory, are developed and illustrated with numerical examples. This book is suitable for anyone with an undergraduate-level exposure to probability, statistics, or machine learning and with rudimentary knowledge of Python programming
Описание
Книга Python for Probability, Statistics and Machine Learning (2016) Дж. Анпингко — практическое руководство, которое показывает, как решать задачи вероятности, статистики и машинного обучения с помощью языка Python. Автор объединяет математическую теорию с реальным кодом, демонстрируя, как библиотеки NumPy, SciPy, Matplotlib и scikit-learn помогают в анализе данных и построении моделей.
Издание подробно разбирает ключевые концепции: вероятностные распределения, статистическое оценивание, байесовский подход, регрессию, классификацию, кластеризацию и основы глубокого обучения. Каждый раздел сопровождается примерами кода, которые можно сразу использовать в собственных проектах.
- Студентам и аспирантам технических специальностей, изучающим data science
- Инженерам и разработчикам, переходящим из традиционного программирования в машинное обучение
- Аналитикам данных, желающим глубже понять математическую основу алгоритмов
- Специалистам по ИИ, которым нужен удобный справочник по Python-библиотекам для статистики
Только зарегистрированные клиенты, купившие данный товар, могут публиковать отзывы.
Похожие
Другие книги раздела «Веб-дизайн и программирование»
- Жан-Филипп Омассон – О криптографии всерьез
- Защита от хакеров корпоративных сетей
- Игорь Гульев – Создаем вирус и антивирус
- ИИ-2041. Десять образов нашего будущего
- Грокаем функциональное мышление
- Крис Игл – GHIDRA
- Вероятностные графовые модели
- Как проектировать программы
- Микель Кохендерфер – Алгоритмы принятия решений
- Мэтт Фрисби – JavaScript для профессиональных веб-разработчиков (4 Издание)
- Как на самом деле работают компьютеры
- Мэтью Титмус – Облачный Go
- Нейросетевые технологии оптимизации решений
- Паттерны проектирования для C и платформы .NET Core
- Усовершенствованные структуры данных
- Петер Флах – Машинное обучение
Рекомендуем также
- M. Yousef – miRNomics. MicroRNA Biology and Computational Analysis (2014)
- P. Bourgine – Morphogenesis (2011)
- J. Lancaster – Fundamental Mathematics and Physics of Medical Imaging (2017)
- A. Svendsen – Understanding Enzymes (2016)
- V. Greanya – Bioinspired Photonics (2016)
- A. Khanna – MRI Essentials for the Spine Specialist
- W. Bauer – University Physics with Modern Physics (2nd edition, 2013)
- V. Feigin – Handbook of Clinical Neuroepidemiology
Отзывы
Отзывов пока нет.