Петер Флах – Машинное обучение
988 ₽
Автор: Петер Флах
Название: Машинное обучение
Формат: PDF
Тема: IT
Количество страниц: 400
Качество: Компьютерное, издательское
Перед вами один из самых интересных учебников по машинному обучению – раз-
делу искусственного интеллекта, изучающего методы построения моделей, способ-
ных обучаться, и алгоритмов для их построения и обучения. Автор воздал должное
невероятному богатству предмета и не упустил из виду объединяющих принципов.
Читатель с первых страниц видит машинное обучение в действии, но без не нужных
на первых порах технических деталей. По мере изучения предмета тщательно по-
добранные примеры, сопровождаемые иллюстрациями, постепенно усложняются.
В книге описан широкий круг логических, геометрических и статистических моде-
лей, затрагиваются и такие находящиеся на переднем крае науки темы, как матричная
факторизация и анализ РХП. Особое внимание уделено важнейшей роли признаков.
Устоявшаяся терминология дополняется введением в рассмотрение новых полезных
концепций. В конце каждой главы приводятся ссылки на дополнительную литературу
с авторскими комментариями.
Благодаря всему этому книга задает новый стандарт изучения такой сложной
дисциплины как машинное обучение.
Описание
«Машинное обучение» Петера Флаха — это фундаментальное введение в одну из самых востребованных областей современного ИИ. Книга объясняет, как компьютеры учатся на данных, находят закономерности и принимают решения без явного программирования каждого шага.
Автор подробно разбирает ключевые концепции: от supervised и unsupervised learning до оценки моделей, feature engineering, байесовских методов и современных подходов к классификации, регрессии и кластеризации. Особое внимание уделено практическим аспектам — как правильно ставить задачу, интерпретировать результаты и избегать типичных ошибок.
- студентам и начинающим специалистам в области Data Science и Machine Learning
- разработчикам, которые хотят системно понять принципы работы алгоритмов
- аналитикам данных, желающим улучшить качество своих моделей
- всем, кто хочет осознанно применять машинное обучение в реальных проектах
Только зарегистрированные клиенты, купившие данный товар, могут публиковать отзывы.
Похожие
Другие книги раздела «Веб-дизайн и программирование»
- John Zelle – Python Programming (2017)
- Soonhoi Ha – Handbook of Hardware Software Codesign (2017)
- С. Ржевский – Математическое программирование (2022)
- Giuseppe Ciaburro – Neural Networks with R
- Igor Livshin – Artificial Neural Networks with Java (Second edition)
- Leonardo De Marchi – Hands-On Neural Networks
- Maxime Labonne – Hands-On Graph Neural Networks Using Python
- 80 Ways to use ChatGPT in the classroom
- Андреас Мюллер – Введение в машинное обучение с помощью Python
- Андрей Бурков – Инженерия машинного обучения. Машинное обучение без лишних слов
- Анирад Коул – Искусственный интеллект и компьютерное зрение
- Бенджамин Бенгфорт – Прикладной анализ текстовых данных на Python
- Глубокое обучение в биологии и медицине
- Паттерны проектирования API
- Python для сложных задач
- Глубокое обучение с Fastai и PyTorch
Рекомендуем также
- S. Paul – Clinical Cases in Skin Cancer Surgery and Treatment (2016)
- Y. Sakai – Laparoscopic Surgery for Colorectal Cancer (2016)
- V. Stearns – Novel Biomarkers in the Continuum of Breast Cancer (2016)
- A. Mathur – Nanotechnology in Cancer (2017)
- P. Rennert – Novel Immunotherapeutic Approaches to the Treatment of Cancer
- M. Baranska – Optical Spectroscopy and Computational Methods in Biology and Medicine (2014)
- A. Bondanza – Tumor Immunology (2016)
- H. Seligmann – DNA Replication. Current Advances (2016)
Отзывы
Отзывов пока нет.