Данная книга предлагает углубленное изучение конформного прогнозирования — новейшего подхода, позволяющего управлять неопределенностью в различных задачах машинного обучения. Вы узнаете, как конформное прогнозирование создает точно откалиброванные прогнозные интервалы для регрессии и решает задачи прогнозирования временных рядов и несбалансированных данных. Практические примеры на Python, а также использование реальных наборов данных, экспертных рекомендаций и открытых библиотек обеспечат вам глубокое понимание этого подхода. В числе рассматриваемых тем:
основные концепции и принципы конформного прогнозирования;
отличие конформного прогнозирования от традиционных методов машинного обучения;
конформное прогнозирование для несбалансированных наборов данных и многоклассовой классификации;
передовые методы измерения и управления неопределенностью в промышленных задачах;
конформный подход к оценке неопределенности в прогнозировании и NLP.
Издание предназначено специалистам по data science, инженерам по машинному обучению, ученым и всем, кто хочет улучшить свои навыки в области количественной оценки неопределенности в МО. Для изучения материала понадобятся базовые знаниями в области машинного обучения и программирования на Python. Издание: Цветное Оригинальное название: Practical Guide to Applied Conformal Prediction in Python Автор: Манохин В., Груздев А.В. Формат: PDF. Продажник: ↓ Скачать: ↓
Скачать Валерий Манохин, Артем Груздев, ДМК — Конформное прогнозирование в Python (2024) слив курса.
Текущее время: Сегодня 06:28
Часовой пояс: GMT + 4
Вы не можете начинать темы Вы не можете отвечать на сообщения Вы не можете редактировать свои сообщения Вы не можете удалять свои сообщения Вы не можете голосовать в опросах Вы не можете прикреплять файлы к сообщениям Вы не можете скачивать файлы
