Основы машинного обучения для прогнозной аналитики данных, второе издание: алгоритмы, примеры решения задач и тематические исследования на русском
#1306803
Fundamentals of Machine Learning for Predictive Data Analytics, second edition: Algorithms, Worked Examples, and Case Studies (B084V7ZJ5Z)
Купить и скачать электронную книгу в форматах PDF, EPUB, FB2, MOBI
John D. Kelleher | #211: Алгоритмическое программирование
Второе издание всеобъемлющего введения в подходы машинного обучения, используемые в прогнозной аналитике данных, охватывающее как теорию, так и практику.
Машинное обучение часто используется для построения прогностических моделей путем извлечения закономерностей из больших наборов данных. Эти модели применяются в приложениях прогнозной аналитики данных, включая прогнозирование цен, оценку рисков, прогнозирование поведения клиентов и классификацию документов. Этот вводный учебник предлагает подробное и целенаправленное рассмотрение наиболее важных подходов машинного обучения, используемых в прогнозной аналитике данных, охватывая как теоретические концепции, так и практические приложения. Технический и математический материал дополнен пояснительными примерами, а тематические исследования иллюстрируют применение этих моделей в более широком контексте бизнеса. Второе издание охватывает последние разработки в области машинного обучения, особенно новую главу о глубоком обучении, а также две новые главы, выходящие за рамки прогнозной аналитики и охватывающие обучение без учителя и обучение с подкреплением.
Машинное обучение часто используется для построения прогностических моделей путем извлечения закономерностей из больших наборов данных. Эти модели применяются в приложениях прогнозной аналитики данных, включая прогнозирование цен, оценку рисков, прогнозирование поведения клиентов и классификацию документов. Этот вводный учебник предлагает подробное и целенаправленное рассмотрение наиболее важных подходов машинного обучения, используемых в прогнозной аналитике данных, охватывая как теоретические концепции, так и практические приложения. Технический и математический материал дополнен пояснительными примерами, а тематические исследования иллюстрируют применение этих моделей в более широком контексте бизнеса. Второе издание охватывает последние разработки в области машинного обучения, особенно новую главу о глубоком обучении, а также две новые главы, выходящие за рамки прогнозной аналитики и охватывающие обучение без учителя и обучение с подкреплением.