Майкл Абель, Гвендолин Стриплинг - Машинное обучение с малым объемом кодирования (2025) бесплатно

Машинное обучение с малым объемом кодирования: практическое введение в искусственный интеллект на основе проектов [Майкл Абель, Гвендолин Стриплинг]
В книге подробно представлены три проблемно-ориентированных вида машинного обучения (Machine learning, ML): автоматизированное обучение AutoML без кодирования, обучение BigQuery ML с малым объемом кодирования и обучение с применением пользовательского кода на основе библиотек scikit-learn и Keras. При этом от читателя не требуется глубоких предварительных знаний в ML или программировании, но базовые навыки в этих областях будут полезны. Специализированные библиотеки, фреймворки ML, репозиторий GitHub и другие инструменты описаны по мере их необходимости. В каждом конкретном случае ключевые концепции ML раскрыты с использованием реальных наборов данных для решения реальных задач. Рассмотрено применение AutoML для прогнозирования продаж, использование BigQuery ML для обучения линейных регрессионных моделей, обучение пользовательских ML-моделей на Python для прогнозирования оттока клиентов и ряд других популярных бизнес-кейсов.
Вы узнаете:

• Как различать структурированные и неструктурированные данные и разбираться с проблемами, которые могут встретиться
  
• Как визуализировать и анализировать данные
  
• Как предварительно обрабатывать данные для ввода в модель машинного обучения
  
• Чем отличаются регрессионная и классификационная модели обучения с учителем
  
• Как сравнивать различные типы моделей ML и их архитектуры, начиная с моделей без кода и с малым объемом кода и заканчивая моделями пользовательского обучения
  
• Как проектировать, внедрять и настраивать модели ML
  
• Как экспортировать данные в репозиторий GitHub для хранения и управления ими

Формат: PDF.
Продажник:
https://www.ozon.ru/product/mashinnoe-obuchenie-s-m...niya-1843970026/
↓ Скачать: ↓