Корзина
0
Корзина
0
Добавьте в корзину товаров ещё на 900 гривен, чтобы БЕСПЛАТНО получить товар по Украине до отделения Новой почты.

Ваша корзина пустая

Меню

Построение систем машинного обучения на языке Python

Издание 2019 г.
730 грн

Книга рассчитана на программистов, пишущих на Python и желающих узнать о построении систем машинного обучения с помощью библиотек с открытым исходным кодом. Мы рассматриваем основные модели машинного обучения на примерах, взятых из реальной жизни. Эта книга будет полезна также специалистам по машинному обучению, желающим использовать Python для создания своих систем.


В главе 1 «Введение в машинное обучение на языке Python» читатель знакомится с основной идеей машинного обучения на очень простом примере. Но, несмотря на простоту, в этом примере имеет место опасность переобучения.


В главе 2 «Классификация в реальной жизни» мы используем реальные данные, чтобы продемонстрировать классификацию и научить компьютер различать различные классы цветов.


В главе 3 «Кластеризация – поиск взаимосвязанных сообщений» мы узнаем об эффективности модели набора слов, с помощью которой сумеем найти похожие сообщения, не «понимая» их смысла.


В главе 4 «Тематическое моделирование» мы не станем ограничиваться отнесением сообщения только к одному кластеру, а свяжем с ним несколько тем, поскольку политематичность характерна для реальных текстов.


В главе 5 «Классификация – выявление плохих ответов» мы узнаем, как применить дилемму смещения-дисперсии к отладке моделей машинного обучения, хотя эта глава посвящена в основном использованию логистической регрессии для оценки того, хорош или плох ответ пользователя на заданный вопрос.
В главе 6 «Классификация II – анализ эмоциональной окраски» объясняется принцип работы наивного байесовского классификатора и описывается, как с его помощью узнать, несет ли твит положительный или отрицательный эмоциональный заряд.


В главе 7 «Регрессия» объясняется, как использовать классический, но не утративший актуальности метод – регрессию – при обработке данных. Вы узнаете и о более сложных методах регрессии, в частности Lasso и эластичных сетях.


В главе 8 «Рекомендование» мы построим систему рекомендования на основе выставленных потребителями оценок. Мы также узнаем, как формировать рекомендации, имея только данные о покупках, безо всяких оценок (которые пользователи выставляют далеко не всегда).


В главе 9 «Классификация по музыкальным жанрам» мы предположим, что кто-то сознательно внес хаос в нашу огромную коллекцию музыкальных произведений, и единственная надежда навести порядок – поручить машине их классификацию. Как выяснится, иногда лучше довериться чужому опыту, чем создавать признаки самостоятельно.


В главе 10 « Машинное зрение» мы применим методы классификации к обработке изображений, выделяя признаки из данных. Мы также увидим, как с помощью этих методов можно находить похожие изображения в наборе.


Из главы 11 «Понижение размерности» мы узнаем о методах, позволяющих уменьшить объем данных, чтобы алгоритмы машинного обучения могли с ними справиться.


В главе 12 «Когда данных больше» мы рассмотрим некоторые подходы, позволяющие успешно обрабатывать большие наборы данных, задействуя несколько ядер или вычислительные кластеры. Мы также познакомимся с основами облачных вычислений (на примере служб Amazon Web Services).



В приложении «Где получить дополнительные сведения о машинном обучении» перечислены многочисленные полезные ресурсы, посвященные этой теме.

Издание 2019 г.
Товар на складе
730 грн

Построение систем машинного обучения на языке Python

Артикул : 79554
Издательство : ДМК
Автор : Луис Педро Коэльо, Вилли Ричард
Язык : Русский
ISBN13 : 978-5-97060-714-5
Формат : 60x90/16
EAN13 : 9785970607145
Страниц : 302
Год издания : 2019
Тип переплета : Мягкий
730 грн
Издание 2019 г.

Описание

Книга рассчитана на программистов, пишущих на Python и желающих узнать о построении систем машинного обучения с помощью библиотек с открытым исходным кодом. Мы рассматриваем основные модели машинного обучения на примерах, взятых из реальной жизни. Эта книга будет полезна также специалистам по машинному обучению, желающим использовать Python для создания своих систем.


В главе 1 «Введение в машинное обучение на языке Python» читатель знакомится с основной идеей машинного обучения на очень простом примере. Но, несмотря на простоту, в этом примере имеет место опасность переобучения.


В главе 2 «Классификация в реальной жизни» мы используем реальные данные, чтобы продемонстрировать классификацию и научить компьютер различать различные классы цветов.


В главе 3 «Кластеризация – поиск взаимосвязанных сообщений» мы узнаем об эффективности модели набора слов, с помощью которой сумеем найти похожие сообщения, не «понимая» их смысла.


В главе 4 «Тематическое моделирование» мы не станем ограничиваться отнесением сообщения только к одному кластеру, а свяжем с ним несколько тем, поскольку политематичность характерна для реальных текстов.


В главе 5 «Классификация – выявление плохих ответов» мы узнаем, как применить дилемму смещения-дисперсии к отладке моделей машинного обучения, хотя эта глава посвящена в основном использованию логистической регрессии для оценки того, хорош или плох ответ пользователя на заданный вопрос.
В главе 6 «Классификация II – анализ эмоциональной окраски» объясняется принцип работы наивного байесовского классификатора и описывается, как с его помощью узнать, несет ли твит положительный или отрицательный эмоциональный заряд.


В главе 7 «Регрессия» объясняется, как использовать классический, но не утративший актуальности метод – регрессию – при обработке данных. Вы узнаете и о более сложных методах регрессии, в частности Lasso и эластичных сетях.


В главе 8 «Рекомендование» мы построим систему рекомендования на основе выставленных потребителями оценок. Мы также узнаем, как формировать рекомендации, имея только данные о покупках, безо всяких оценок (которые пользователи выставляют далеко не всегда).


В главе 9 «Классификация по музыкальным жанрам» мы предположим, что кто-то сознательно внес хаос в нашу огромную коллекцию музыкальных произведений, и единственная надежда навести порядок – поручить машине их классификацию. Как выяснится, иногда лучше довериться чужому опыту, чем создавать признаки самостоятельно.


В главе 10 « Машинное зрение» мы применим методы классификации к обработке изображений, выделяя признаки из данных. Мы также увидим, как с помощью этих методов можно находить похожие изображения в наборе.


Из главы 11 «Понижение размерности» мы узнаем о методах, позволяющих уменьшить объем данных, чтобы алгоритмы машинного обучения могли с ними справиться.


В главе 12 «Когда данных больше» мы рассмотрим некоторые подходы, позволяющие успешно обрабатывать большие наборы данных, задействуя несколько ядер или вычислительные кластеры. Мы также познакомимся с основами облачных вычислений (на примере служб Amazon Web Services).



В приложении «Где получить дополнительные сведения о машинном обучении» перечислены многочисленные полезные ресурсы, посвященные этой теме.

Рекомендуемые книги

Купить Антена: поезії

Антена: поезії

Сергій Жадан

475 грн
Купить Отъявленный программист. Лайфхакинг из первых рук

Отъявленный программист. Лайфхакинг из первых рук

Савчук Игорь

246 грн
Купить Максимально полезный ежедневник. Экономьте время, деньги и силы

Максимально полезный ежедневник. Экономьте время, деньги и силы

Игорь Манн, Ренат Шагабутдинов

390 грн
Купить Стихотворения и поэмы. Дневник

Стихотворения и поэмы. Дневник

Белла Ахмадулина

235 грн
Купить Говори, вдохновляй. Как завоевать доверие слушателей и увлечь их своими идеями

Говори, вдохновляй. Как завоевать доверие слушателей и увлечь их своими идеями

Саймон Ланкастер

170 грн
Купить Психология персонала: потребности, мотивация и ценности

Психология персонала: потребности, мотивация и ценности

Верещагин Л.А.

115 грн
Купить Топ-100 программ для iPhone. Руководство по программному обеспечению для iPhone

Топ-100 программ для iPhone. Руководство по программному обеспечению для iPhone

под ред. Лахоцкого О.

49 грн
Купить Голодомор 1932 – 1933 pp. в УPСР і українська діаспора Північної Америки

Голодомор 1932 – 1933 pp. в УPСР і українська діаспора Північної Америки

Ковальчук О. О., Марусик Т. В.

77 грн
Купить Стрелок: из цикла Темная Башня

Стрелок: из цикла Темная Башня

Стивен Кинг

185 грн
Купить Когда здоровое питание вредит: Орторексия

Когда здоровое питание вредит: Орторексия

Рене Макгрегор

280 грн
Купить Скретч карта світу« Travel Map Marine World» (англ.) (тубус)

Скретч карта світу« Travel Map Marine World» (англ.) (тубус)

428 грн
Купить Острова. Раскраска для мечтателей от 5 до 105 лет

Острова. Раскраска для мечтателей от 5 до 105 лет

Анита Грабось

215 грн
Купить Как хочет женщина. Мастер-класс по науке секса

Как хочет женщина. Мастер-класс по науке секса

Эмили Нагоски

190 грн
Купить Феномен ZARA (укр.)

Феномен ZARA (укр.)

Ковадонґа О’Ші

190 грн
Купить Большая книга стихов, сказок и весёлых историй

Большая книга стихов, сказок и весёлых историй

Даниил Хармс

305 грн
Купить Алгоритмы на C++

Алгоритмы на C++

Роберт Седжвик

1 080 грн
Купить Ернест Гемінґвей. Артефакти з життя

Ернест Гемінґвей. Артефакти з життя

Майкл Катакіс

280 грн
Купить Адміністративна діяльність поліції у питаннях та відповідях.  Навчальний поcібник

Адміністративна діяльність поліції у питаннях та відповідях. Навчальний поcібник

Константинів С.Ф.

125 грн
Купить Міні листівка Делай, что хочешь

Міні листівка Делай, что хочешь

10 грн
Купить Епоха Відродження ( Книга + Гра )

Епоха Відродження ( Книга + Гра )

32 грн
Купить Скетчбук художника. Скетчи в городе, в путешествиях, на природе

Скетчбук художника. Скетчи в городе, в путешествиях, на природе

Кэти Джонсон

530 грн
Купить Продажи большим компаниям. Как продать

Продажи большим компаниям. Как продать

Джил Конрат

304 грн
Купить В диких условиях

В диких условиях

Джон Кракауэр

125 грн
Купить Всё о богах и героях Древней Греции и Древнего Рима

Всё о богах и героях Древней Греции и Древнего Рима

Александра Нейхардт, Николай Кун

200 грн
Купить Магическая самозащита

Магическая самозащита

Наталья Степанова

220 грн
Купить Маркетинг по любви. 70 способов заполучить сердце клиента навсегда

Маркетинг по любви. 70 способов заполучить сердце клиента навсегда

Андрей Пометун

355 грн
Купить Маркетинговые исследования на практике. Основные методы изучения рынка

Маркетинговые исследования на практике. Основные методы изучения рынка

Пол Хейг, Ник Хейг, Кэрол

25 грн
Купить Ваш малыш от рождения до двух лет (обновленное изд., синяя)

Ваш малыш от рождения до двух лет (обновленное изд., синяя)

Уильям Сирс, Марта Сирс

410 грн
Купить Дивосаванна

Дивосаванна

Міллі Маротта

115 грн
Купить Время — деньги

Время — деньги

Джон Дэвисон Рокфеллер, Генри Форд

330 грн
Купить Русалонька із 7-В. Дуже морська історія. Книга 5

Русалонька із 7-В. Дуже морська історія. Книга 5

Марина Павленко

110 грн
Купить Жить мирно среди насилия

Жить мирно среди насилия

Ванье Жан, Хауэрвас Стэнл

48 грн
Купить Десятая муза: кинематограф как новая форма искусства. Эротизм в кино XIX-XX веков

Десятая муза: кинематограф как новая форма искусства. Эротизм в кино XIX-XX веков

Аркадиуш Левицки

205 грн
Купить Физика невозможного (Покет)

Физика невозможного (Покет)

Митио Каку

165 грн
Купить Мангал

Мангал

Сталик Ханкишиев

720 грн
Купить Не навреди. Истории о жизни, смерти и нейрохирургии

Не навреди. Истории о жизни, смерти и нейрохирургии

Генри Марш

125 грн
Купить Еда живая и мертвая: 5 принципов здорового питания

Еда живая и мертвая: 5 принципов здорового питания

Сергей Малоземов

240 грн
Купить Деньги есть всегда. Как правильно тратить деньги, чтобы хватало на все и даже больше

Деньги есть всегда. Как правильно тратить деньги, чтобы хватало на все и даже больше

Роман Аргашоков

245 грн
Купить Динозаврія

Динозаврія

145 грн
Купить Рыцарь Семи Королевств

Рыцарь Семи Королевств

Джордж Мартин

200 грн

Описание

Книга рассчитана на программистов, пишущих на Python и желающих узнать о построении систем машинного обучения с помощью библиотек с открытым исходным кодом. Мы рассматриваем основные модели машинного обучения на примерах, взятых из реальной жизни. Эта книга будет полезна также специалистам по машинному обучению, желающим использовать Python для создания своих систем.


В главе 1 «Введение в машинное обучение на языке Python» читатель знакомится с основной идеей машинного обучения на очень простом примере. Но, несмотря на простоту, в этом примере имеет место опасность переобучения.


В главе 2 «Классификация в реальной жизни» мы используем реальные данные, чтобы продемонстрировать классификацию и научить компьютер различать различные классы цветов.


В главе 3 «Кластеризация – поиск взаимосвязанных сообщений» мы узнаем об эффективности модели набора слов, с помощью которой сумеем найти похожие сообщения, не «понимая» их смысла.


В главе 4 «Тематическое моделирование» мы не станем ограничиваться отнесением сообщения только к одному кластеру, а свяжем с ним несколько тем, поскольку политематичность характерна для реальных текстов.


В главе 5 «Классификация – выявление плохих ответов» мы узнаем, как применить дилемму смещения-дисперсии к отладке моделей машинного обучения, хотя эта глава посвящена в основном использованию логистической регрессии для оценки того, хорош или плох ответ пользователя на заданный вопрос.
В главе 6 «Классификация II – анализ эмоциональной окраски» объясняется принцип работы наивного байесовского классификатора и описывается, как с его помощью узнать, несет ли твит положительный или отрицательный эмоциональный заряд.


В главе 7 «Регрессия» объясняется, как использовать классический, но не утративший актуальности метод – регрессию – при обработке данных. Вы узнаете и о более сложных методах регрессии, в частности Lasso и эластичных сетях.


В главе 8 «Рекомендование» мы построим систему рекомендования на основе выставленных потребителями оценок. Мы также узнаем, как формировать рекомендации, имея только данные о покупках, безо всяких оценок (которые пользователи выставляют далеко не всегда).


В главе 9 «Классификация по музыкальным жанрам» мы предположим, что кто-то сознательно внес хаос в нашу огромную коллекцию музыкальных произведений, и единственная надежда навести порядок – поручить машине их классификацию. Как выяснится, иногда лучше довериться чужому опыту, чем создавать признаки самостоятельно.


В главе 10 « Машинное зрение» мы применим методы классификации к обработке изображений, выделяя признаки из данных. Мы также увидим, как с помощью этих методов можно находить похожие изображения в наборе.


Из главы 11 «Понижение размерности» мы узнаем о методах, позволяющих уменьшить объем данных, чтобы алгоритмы машинного обучения могли с ними справиться.


В главе 12 «Когда данных больше» мы рассмотрим некоторые подходы, позволяющие успешно обрабатывать большие наборы данных, задействуя несколько ядер или вычислительные кластеры. Мы также познакомимся с основами облачных вычислений (на примере служб Amazon Web Services).



В приложении «Где получить дополнительные сведения о машинном обучении» перечислены многочисленные полезные ресурсы, посвященные этой теме.

Цитаты пользователей

Всего цитат
0

Только зарегистрированные пользователи могут оставлять комментарии. Войдите, пожалуйста.

Отзывы

Отзывы
0 рецензий

Только зарегистрированные пользователи могут оставлять комментарии. Войдите, пожалуйста.

Параметры

Артикул : 79554
Издательство : ДМК
Автор : Луис Педро Коэльо, Вилли Ричард
Язык : Русский
ISBN13 : 978-5-97060-714-5
Формат : 60x90/16
EAN13 : 9785970607145
Страниц : 302
Год издания : 2019
Тип переплета : Мягкий
Все права защищены © 2003-2019 Bookzone.com.ua              Условия использования | Политика конфиденциальности