Объем 420 страниц
Крайне необходимое издание по новейшей предсказательной аналитике для более глубокого понимания методологии машинного обучения
Подарите скидку 10%
Посоветуйте эту книгу и получите 99,01 ₽ с покупки её другом.
О книге
Книга предоставит вам доступ в мир прогнозной аналитики и продемонстрирует, почему Python является одним из лидирующих языков науки о данных. Охватывая широкий круг мощных библиотек Python, в том числе scikit-learn, Theano и Keras, предлагая руководство и советы по всем вопросам, начиная с анализа мнений и заканчивая нейронными сетями, книга ответит на большинство ваших вопросов по машинному обучению.Издание предназначено для специалистов по анализу данных, находящихся в поисках более широкого и практического понимания принципов машинного обучения.
Жанры и теги
Дата выхода на Литрес:
30 октября 2019
Общее кол-во страниц:
Машинное обучение и прогнозная аналитика преобразуют традиционную схему функционирования предприятий и других организаций. Эта книга предоставит вам доступ в мир прогнозной аналитики и продемонстрирует, почему Python является одним из ведущих языков науки о данных. Если вы хотите глубже и точнее анализировать данные либо нуждаетесь в усовершенствовании и расширении систем машинного обучения, эта книга окажет вам неоценимую помощь. Ознакомившись с широким кругом мощных программных библиотек Python, в том числе scikit-learn, Theano и Keras, а также получив советы по всем вопросам начиная с анализа мнений и заканчивая нейронными сетями, вы сможете принять важные решения, во многом определяющие деятельность вашей организации.
Чему вы научитесь, прочитав эту книгу:• исследовать, как используются разные машинно-обучаемые модели, которые формулируют те или иные вопросы в отношении данных;• конструировать нейронные сети при помощи библиотек Theano и Keras;• писать красивый и лаконичный программный код на Python с оптимальным использованием созданных вами алгоритмов;• встраивать вашу машинно-обучаемую модель в веб-приложение для повышения ее общедоступности;• предсказывать непрерывнозначные результаты при помощи регрессионного анализа;• обнаруживать скрытые повторяющиеся образы и структуры в данных посредством кластерного анализа;• организовывать данные с помощью эффективных методов предобработки и использовать передовые практические подходы к оценке машиннообучаемых моделей;• осуществлять анализ мнений, позволяющий подробнее интерпретировать текстовые данные и информацию из социальных сетей.
Если вы хотите узнать, как использовать Python, чтобы начать отвечать на критические вопросы в отношении ваших данных, возьмите данную книгу — и неважно, хотите ли вы приступить к изучению науки о данных с нуля или же намереваетесь расширить о ней свои знания, это принципиальный ресурс, который нельзя упускать.
Крайне необходимое издание по новейшей предсказательной аналитике для более глубокого понимания методологии машинного обучения!
