Основы работы с моделями машинного и глубокого обучения
Здесь можно купить книгу "Основы работы с моделями машинного и глубокого обучения" в печатном или электронном виде. Также, Вы можете прочесть аннотацию, цитаты и содержание, ознакомиться и оставить отзывы (комментарии) об этой книге.
Место издания: Москва, Вологда
ISBN: 978-5-9729-1547-7
Страниц: 256
Артикул: 110491
Возрастная маркировка: 16+
Краткая аннотация книги "Основы работы с моделями машинного и глубокого обучения"
Представлены необходимые инструменты для программной и математической разработки моделей прикладного машинного и глубокого обучения. Показаны базовые принципы и аспекты, которыми оперирует область Data Science. Дан ознакомительный экскурс по теоретической составляющей курса, для каждой рассмотренной модели машинного/глубокого обучения поставлена в соответствие её прикладная реализация.Для студентов, обучающихся по направлению подготовки «Искусственный интеллект». Может быть полезно специалистам в области искусственного интеллекта.
Содержание книги "Основы работы с моделями машинного и глубокого обучения "
Введение
Глава 1. Теоретические положения базовых алгоритмов машинного и глубокого обучения
Алгоритм линейной регрессии
Алгоритм логистической регрессии
Гребневая регрессия
Алгоритм к ближайших соседей (к Nearest Neighbor)
Алгоритм деревья решений (Decision Tree)
Наивный Байес (классификатор)
Метод опорных векторов
Алгоритм кластеризации на основе плотности
Генетические алгоритмы
Алгоритм ансамблирования бэггинг
Алгоритм ансамблирования стекинг
Сеть векторного квантования (LVQ)
Кластеризация на основе распределений
Алгоритм кластеризации кластерный центроид
Иерархические алгоритмы (иерархия кластеров)
Искусственная нейронная сеть
Рекуррентная нейронная сеть
Глава 2. Практическая реализация базовых алгоритмов машинного и глубокого обучения на языке программирования Python 3.9.1
Алгоритм линейной регрессии
Алгоритм логистической регрессии
Гребневая регрессия
Алгоритм к ближайших соседей (к Nearest Neighbor)
Алгоритм деревья решений (Decision Tree)
Наивный Байес (классификатор)
Метод опорных векторов
Алгоритм кластеризации на основе плотности
Генетические алгоритмы
Алгоритм ансамблирования бэггинг
Алгоритм ансамблирования стекинг
Сеть векторного квантования (LVQ)
Кластеризация на основе распределений
Алгоритм кластеризации кластерный центроид
Иерархические алгоритмы (иерархия кластеров)
Искусственная нейронная сеть
Рекуррентная нейронная сеть
Библиографический список
Приложение А. Варианты заданий для самостоятельной реализации моделей машинного и глубокого обучения
Все отзывы о книге Основы работы с моделями машинного и глубокого обучения
другие книги автора
С книгой "Основы работы с моделями машинного и глубокого обучения" читают
Внимание!
При обнаружении неточностей или ошибок в описании книги "Основы работы с моделями машинного и глубокого обучения (автор Петр Пылов, Роман Майтак, Анна Дягилева)", просим Вас отправить сообщение на почту help@directmedia.ru. Благодарим!
и мы свяжемся с вами в течение 15 минут
за оставленную заявку