дж вандер плас python для сложных задач наука о данных и машинное обучение



Дж. Вандер Плас Python для сложных задач. Наука о данных и машинное обучение Дж. Вандер Плас Python для сложных задач. Наука о данных и машинное обучение Новинка

Дж. Вандер Плас Python для сложных задач. Наука о данных и машинное обучение

Книга «Python для сложных задач: наука о данных и машинное обучение» – это подробное руководство по самым разным вычислительным и статистическим методам, без которых немыслима любая интенсивная обработка данных, научные исследования и передовые разработки. Читатели, уже имеющие опыт программирования и желающие эффективно использовать Python в сфере Data Science, найдут в этой книге ответы на всевозможные вопросы, например: как считать этот формат данных в скрипт? как преобразовать, очистить эти данные и манипулировать ими? как визуализировать данные такого типа? как при помощи этих данных разобраться в ситуации, получить ответы на вопросы, построить статистические модели или реализовать машинное обучение?
Плас Дж. Вандер Python для сложных задач: наука о данных и машинное обучение Плас Дж. Вандер Python для сложных задач: наука о данных и машинное обучение Новинка

Плас Дж. Вандер Python для сложных задач: наука о данных и машинное обучение

Книга "Python Data Science Handbook" - это подробное руководство по самым разным вычислительным и статистическим методам, без которых немыслима любая интенсивная обработка данных, научные исследования и передовые разработки. Читатели, уже имеющие опыт программирования и желающие эффективно использовать Python в сфере Data Science, найдут в этой книге ответы на всевозможные вопросы, например: 1) как мне считать этот формат данных в мой скрипт? 2) Как преобразовать, очистить эти данные и манипулировать ими? 3) Как визуализировать данные такого типа? Как при помощи этих данных разобраться в ситуации, получить ответы на вопросы, построить статистические модели или реализовать машинное обучение?
Дж. Вандер Плас Python для сложных задач. Наука о данных и машинное обучение Дж. Вандер Плас Python для сложных задач. Наука о данных и машинное обучение Новинка

Дж. Вандер Плас Python для сложных задач. Наука о данных и машинное обучение

Книга "Python Data Science Handbook" - это подробное руководство по самым разным вычислительным и статистическим методам, без которых немыслима любая интенсивная обработка данных, научные исследования и передовые разработки. Читатели, уже имеющие опыт программирования и желающие эффективно использовать Python в сфере Data Science, найдут в этой книге ответы на всевозможные вопросы, например: 1) как мне считать этот формат данных в мой скрипт? 2) Как преобразовать, очистить эти данные и манипулировать ими? 3) Как визуализировать данные такого типа? Как при помощи этих данных разобраться в ситуации, получить ответы на вопросы, построить статистические модели или реализовать машинное обучение? Рекомендуем!
Плас Дж. Вандер Python для сложных задач. Наука о данных и машинное обучение Плас Дж. Вандер Python для сложных задач. Наука о данных и машинное обучение Новинка

Плас Дж. Вандер Python для сложных задач. Наука о данных и машинное обучение

Книга "Python Data Science Handbook" - это подробное руководство по самым разным вычислительным и статистическим методам, без которых немыслима любая интенсивная обработка данных, научные исследования и передовые разработки. Читатели, уже имеющие опыт программирования и желающие эффективно использовать Python в сфере Data Science, найдут в этой книге ответы на всевозможные вопросы, например: 1) как мне считать этот формат данных в мой скрипт? 2) Как преобразовать, очистить эти данные и манипулировать ими? 3) Как визуализировать данные такого типа? Как при помощи этих данных разобраться в ситуации, получить ответы на вопросы, построить статистические модели или реализовать машинное обучение?
Python для сложных задач: наука о данных и машинное обучение Python для сложных задач: наука о данных и машинное обучение Новинка

Python для сложных задач: наука о данных и машинное обучение

Книга «Python Data Science Handbook» - это подробное руководство по самым разным вычислительным и статистическим методам, без которых немыслима любая интенсивная обработка данных, научные исследования и передовые разработки. Читатели, уже имеющие опыт программирования и желающие эффективно использовать Python в сфере Data Science, найдут в этой книге ответы на всевозможные вопросы, например: 1) как мне считать этот формат данных в мой скрипт? 2) Как преобразовать, очистить эти данные и манипулировать ими? 3) Как визуализировать данные такого типа? Как при помощи этих данных разобраться в ситуации, получить ответы на вопросы, построить статистические модели или реализовать машинное обучение?
Python для сложных задач: наука о данных и машинное обучение Python для сложных задач: наука о данных и машинное обучение Новинка

Python для сложных задач: наука о данных и машинное обучение

Книга «Python Data Science Handbook» - это подробное руководство по самым разным вычислительным и статистическим методам, без которых немыслима любая интенсивная обработка данных, научные исследования и передовые разработки. Читатели, уже имеющие опыт программирования и желающие эффективно использовать Python в сфере Data Science, найдут в этой книге ответы на всевозможные вопросы, например: 1) как мне считать этот формат данных в мой скрипт? 2) Как преобразовать, очистить эти данные и манипулировать ими? 3) Как визуализировать данные такого типа? Как при помощи этих данных разобраться в ситуации, получить ответы на вопросы, построить статистические модели или реализовать машинное обучение?
Себастьян Рашка, Вахид Мирджалили Python и машинное обучение. Машинное и глубокое обучение с использованием Python, scikit-learn и TensorFlow Себастьян Рашка, Вахид Мирджалили Python и машинное обучение. Машинное и глубокое обучение с использованием Python, scikit-learn и TensorFlow Новинка

Себастьян Рашка, Вахид Мирджалили Python и машинное обучение. Машинное и глубокое обучение с использованием Python, scikit-learn и TensorFlow

Машинное обучение поглощает мир программного обеспечения. Освойте и работайте с передовыми технологиями машинного обучения, нейронных сетей и глубокого обучения с помощью 2-го издания бестселлера Себастьяна Рашки.Будучи основательно обновленной с учетом самых последних технологий с открытым кодом, включая такие библиотеки, как scikit-learn, Keras и TensorFlow, эта книга предлагает практические знания и приемы, которые необходимы для создания эффективных приложений машинного и глубокого обучения на языке Python. Обладающие уникальной проницательностью и знанием дела авторы книги, Себастьян Рашка и Вахид Мирджалили, ознакомят вас с алгоритмами машинного обучения и глубокого обучения и постепенно подведут к сложным темам в анализе данных. В книге предлагается сочетание теоретических принципов машинного обучения с практическим подходом к написанию кода для полного понимания теории машинного обучения и реализация с помощью Python. Рекомендуем!
Себастьян Рашка Python и машинное обучение Себастьян Рашка Python и машинное обучение Новинка

Себастьян Рашка Python и машинное обучение

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. Рекомендуем!
Бринк Х. Машинное обучение Бринк Х. Машинное обучение Новинка

Бринк Х. Машинное обучение

В последние годы машинное обучение вышло на уровень большого бизнеса: компании активно используют его для зарабатывания денег, прикладные исследования бурно развиваются, а неугомонные разработчики используют любую возможность повысить свой уровень владения данной тематикой. Данная книга рассчитана на тех, кто хочет решать самые разнообразные задачи при помощи машинного обучения. Как правило, для этого нужен Python, поэтому в примерах кода используется этот язык, а также библиотеки pandas и scikit-learn. Вы познакомитесь с основными понятиями ML, такими как сбор данных, моделирование, классификация и регрессия, а главное, получите практический опыт обработки реальных данных.
Хенрик Бринк Машинное обучение Хенрик Бринк Машинное обучение Новинка

Хенрик Бринк Машинное обучение

В последние годы машинное обучение вышло на уровень большого бизнеса: компании активно используют его для зарабатывания денег, прикладные исследования бурно развиваются, а неугомонные разработчики используют любую возможность повысить свой уровень владения этой тематикой. Данная книга рассчитана на тех, кто хочет решать самые разнообразные задачи при помощи машинного обучения. Как правило, для этого нужен Python, поэтому в примерах кода используется этот язык, а также библиотеки pandas и scikit-learn. Вы познакомитесь с основными понятиями ML, такими как сбор данных, моделирование, классификация и регрессия, а главное, получите практический опыт обработки реальных данных.
Машинное обучение Машинное обучение Новинка

Машинное обучение

В последние годы машинное обучение вышло на уровень большого бизнеса: компании активно используют его для зарабатывания денег, прикладные исследования бурно развиваются, а неугомонные разработчики используют любую возможность повысить свой уровень владения данной тематикой.Данная книга рассчитана на тех, кто хочет решать самые разнообразные задачи при помощи машинного обучения. Как правило, для этого нужен Python, поэтому в примерах кода используется этот язык, а также библиотеки pandas и scikit-learn. Вы познакомитесь с основными понятиями ML, такими как сбор данных, моделирование, классификация и регрессия, а главное, получите практический опыт обработки реальных данных.
Хенрик Бринк, Джозеф Ричардс, Марк Феверолф Машинное обучение Хенрик Бринк, Джозеф Ричардс, Марк Феверолф Машинное обучение Новинка

Хенрик Бринк, Джозеф Ричардс, Марк Феверолф Машинное обучение

В последние годы машинное обучение вышло на уровень большого бизнеса: компании активно используют его для зарабатывания денег, прикладные исследования бурно развиваются, а неугомонные разработчики используют любую возможность повысить свой уровень владения данной тематикой. Данная книга рассчитана на тех, кто хочет решать самые разнообразные задачи при помощи машинного обучения. Как правило, для этого нужен Python, поэтому в примерах кода используется этот язык, а также библиотеки pandas и scikit-learn. Вы познакомитесь с основными понятиями ML, такими как сбор данных, моделирование, классификация и регрессия, а главное, получите практический опыт обработки реальных данных. Рекомендуем!
Хенрик Бринк, Джозеф Ричардс, Марк Феверолф Машинное обучение Хенрик Бринк, Джозеф Ричардс, Марк Феверолф Машинное обучение Новинка

Хенрик Бринк, Джозеф Ричардс, Марк Феверолф Машинное обучение

В последние годы машинное обучение вышло на уровень большого бизнеса: компании активно используют его для зарабатывания денег, прикладные исследования бурно развиваются, а неугомонные разработчики используют любую возможность повысить свой уровень владения данной тематикой. Данная книга рассчитана на тех, кто хочет решать самые разнообразные задачи при помощи машинного обучения. Как правило, для этого нужен Python, поэтому в примерах кода используется этот язык, а также библиотеки pandas и scikit-learn. Вы познакомитесь с основными понятиями ML, такими как сбор данных, моделирование, классификация и регрессия, а главное, получите практический опыт обработки реальных данных.
Бринк Хенрик, Ричардс Джозеф, Феверолф Марк Машинное обучение Бринк Хенрик, Ричардс Джозеф, Феверолф Марк Машинное обучение Новинка

Бринк Хенрик, Ричардс Джозеф, Феверолф Марк Машинное обучение

В последние годы машинное обучение вышло на уровень большого бизнеса: компании активно используют его для зарабатывания денег, прикладные исследования бурно развиваются, а неугомонные разработчики используют любую возможность повысить свой уровень владения данной тематикой. Данная книга рассчитана на тех, кто хочет решать самые разнообразные задачи при помощи машинного обучения. Как правило, для этого нужен Python, поэтому в примерах кода используется этот язык, а также библиотеки pandas и scikit-learn. Вы познакомитесь с основными понятиями ML, такими как сбор данных, моделирование, классификация и регрессия, а главное, получите практический опыт обработки реальных данных.
Кацов Илья Машинное обучение для бизнеса и маркетинга Кацов Илья Машинное обучение для бизнеса и маркетинга Новинка

Кацов Илья Машинное обучение для бизнеса и маркетинга

Наука о данных становится неотъемлемой частью любой маркетинговой деятельности, и эта книга является живым портретом цифровых преобразований в маркетинге. Анализ данных и интеллектуальные алгоритмы позволяют автоматизировать трудоемкие маркетинговые задачи. Процесс принятия решений становится не только более совершенным, но и более быстрым, что имеет большое значение в постоянно ускоряющейся конкурентной среде. "Эта книга - живой портрет цифровых преобразований в маркетинге. Она показывает, как наука о данных становится неотъемлемой частью любой маркетинговой деятельности. Подробно описывается, как подходы на основе анализа данных и интеллектуальных алгоритмов способствуют глубокой автоматизации традиционно трудоемких маркетинговых задач. Процесс принятия решений становится не только более совершенным, но и более быстрым, что важно в нашей постоянно ускоряющейся конкурентной среде. Эту книгу обязательно должны прочитать и специалисты по обработке данных, и специалисты по маркетингу, а лучше, если они будут читать ее вместе." Андрей Себрант, директор по стратегическому маркетингу, Яндекс.
Машинное обучение для бизнеса и маркетинга Машинное обучение для бизнеса и маркетинга Новинка

Машинное обучение для бизнеса и маркетинга

Наука о данных становится неотъемлемой частью любой маркетинговой деятельности, и эта книга является живым портретом цифровых преобразований в маркетинге. Анализ данных и интеллектуальные алгоритмы позволяют автоматизировать трудоемкие маркетинговые задачи. Процесс принятия решений становится не только более совершенным, но и более быстрым, что имеет большое значение в постоянно ускоряющейся конкурентной среде. "Эта книга — живой портрет цифровых преобразований в маркетинге. Она показывает, как наука о данных становится неотъемлемой частью любой маркетинговой деятельности. Подробно описывается, как подходы на основе анализа данных и интеллектуальных алгоритмов способствуют глубокой автоматизации традиционно трудоемких маркетинговых задач. Процесс принятия решений становится не только более совершенным, но и более быстрым, что важно в нашей постоянно ускоряющейся конкурентной среде. Эту книгу обязательно должны прочитать и специалисты по обработке данных, и специалисты по маркетингу, а лучше, если они будут читать ее вместе."Андрей Себрант, директор по стратегическому маркетингу, Яндекс
Уэс Маккинни Python и анализ данных Уэс Маккинни Python и анализ данных Новинка

Уэс Маккинни Python и анализ данных

В книге "Python и анализ данных" рассматриваются вопросы переформатирования, очистки и обработки данных на Python. Ее можно также рассматривать как современное практическое введение в разработку научных приложений на Python, ориентированных, главным образом, обработку данных. Это книга о тех частях языка Python и библиотек для него, которые необходимы для эффективного решения широкого круга аналитических задач. Книга принадлежит перу Уэса Маккинни, основного автора библиотеки pandas, и содержит великое множество практических примеров. Она идеально подойдет как аналитикам, только начинающим осваивать, так и опытным программистам на Python, еще не знакомым с научными приложениями. Рекомендуем!
Маккинли Уэс Python и анализ данных Маккинли Уэс Python и анализ данных Новинка

Маккинли Уэс Python и анализ данных

В книге "Python и анализ данных" рассматриваются вопросы переформатирования, очистки и обработки данных на Python. Ее можно также рассматривать как современное практическое введение в разработку научных приложений на Python, ориентированных, главным образом, обработку данных. Это книга о тех частях языка Python и библиотек для него, которые необходимы для эффективного решения широкого круга аналитических задач. Книга принадлежит перу Уэса Маккинни, основного автора библиотеки pandas, и содержит великое множество практических примеров. Она идеально подойдет как аналитикам, только начинающим осваивать, так и опытным программистам на Python, еще не знакомым с научными приложениями. Работа с интерактивной оболочкой для начала разработки Введение в средства анализа данных в библиотеке Использование высокопроизводительных инструментов для работы с данными Создание различных графиков и интерактивная визуализация Временные ряды с результатами измерений в заданные моменты времени Методы решения задач, возникающих в веб­аналитике, социальных науках, финансах и экономике, проиллюстрированные подробными примерами
Рашка Себастьян Python и машинное обучение Рашка Себастьян Python и машинное обучение Новинка

Рашка Себастьян Python и машинное обучение

Крайне необходимое издание по новейшей предсказательной аналитике для более глубокого понимания методологии машинного обучения Использование разных машинно-обучаемых моделей для формулирования различных вопросов в отношении данных Конструирование нейронных сетей при помощи библиотек Написание красивого и лаконичного кода с оптимальным использованием созданных вами алгоритмов Встраивание машинно-обучаемой модели в веб-приложение для повышения ее общедоступности Обнаружение скрытых повторяющихся образов и структур в данных посредством кластерного анализа Организация данных с помощью эффективных методов предобработки и использование передовых практических подходов к оценке машинно-обучаемых моделей Анализ мнений для подробной интерпретации текстовых данных и информации из социальных сетей
Python для сложных задач Python для сложных задач Новинка

Python для сложных задач

Книга Python Data Science Handbook - это подробное руководство по самым разным вычислительным и статистическим методам, без которых немыслима любая...
Питер Брюс, Эндрю Брюс Практическая статистика для специалистов Data Science Питер Брюс, Эндрю Брюс Практическая статистика для специалистов Data Science Новинка

Питер Брюс, Эндрю Брюс Практическая статистика для специалистов Data Science

Книга рассчитана на специалистов в области Data Science, обладающих некоторым опытом работы с языком программирования R и имеющих предварительное понятие о математической статистике. В ней в удобной и легкодоступной форме представлены ключевые понятия из статистики, которые относятся к науке о данных, а также объяснено, какие понятия важны и полезны с точки зрения науки о данных, какие менее важны и почему. Подробно раскрыты темы: разведочный анализ данных, распределения данных и выборок, статистические эксперименты и проверка значимости, регрессия и предсказание, классификация, статистическое машинное обучение и обучение без учителя. Рекомендуем!
Рашка Себастьян, Мирджалили Вахид Python и машинное обучение: машинное и глубокое обучение с использованием Python, scikit-learn и Ten Рашка Себастьян, Мирджалили Вахид Python и машинное обучение: машинное и глубокое обучение с использованием Python, scikit-learn и Ten Новинка

Рашка Себастьян, Мирджалили Вахид Python и машинное обучение: машинное и глубокое обучение с использованием Python, scikit-learn и Ten

Машинное обучение поглощает мир программного обеспечения. Освойте и работайте с передовыми технологиями машинного обучения, нейронных сетей и глубокого обучения с помощью 2-го издания бестселлера Себастьяна Рашки. Будучи основательно обновленной с учетом самых последних технологий с открытым кодом, включая такие библиотеки, как scikit-learn, Keras и TensorFlow, эта книга предлагает практические знания и приемы, которые необходимы для создания эффективных приложений машинного и глубокого обучения на языке Python. Обладающие уникальной проницательностью и знанием дела авторы книги, Себастьян Рашка и Вахид Мирджалили, ознакомят вас с алгоритмами машинного обучения и глубокого обучения и постепенно подведут к сложным темам в анализе данных. В книге предлагается сочетание теоретических принципов машинного обучения с практическим подходом к написанию кода для полного понимания теории машинного обучения и реализация с помощью Python. Основные темы книги Освойте основные фреймворки в науке о данных, машинном обучении и глубоком обучении Задайте новые вопросы своим данным через модели машинного обучения и нейронные сети Используйте всю мощь самых последних библиотек Python с открытым кодом для машинного обучения Научитесь строить реализации глубоких нейронных сетей с применением библиотеки TensorFlow Встраивайте модели машинного обучения в доступные веб-приложения Прогнозируйте непрерывные целевые результаты с применением регрессионного анализа Раскройте скрытые шаблоны и структуры в данных с помощью кластеризации Анализируйте изображения с использованием приемов глубокого обучения Углубитесь в текстовые данные и данные из социальных сетей с применением смыслового анализа Если вы читали 1-е издание книги, то вам доставит удовольствие найти новый баланс классических идей и современных знаний в машинном обучении. Каждая глава была серьезно обновлена, и появились новые главы по ключевым технологиям. У вас будет возможность изучить и поработать с TensorFlow более вдумчиво, нежели ранее, а также получить важнейший охват библиотеки для нейронных сетей Keras наряду с самыми свежими обновлениями библиотеки scikit-learn. Об авторах Себастьян Рашка, автор ставшего бестселлером 1-го издания этой книги, обладает многолетним опытом написания кода на языке Python. Он проводил многочисленные семинары по практическому применению науки о данных, машинному обучению и глубокому обучению, включая руководство по машинному обучению на SciPy - ведущей конференции, посвященной научным расчетам с помощью Python. Несмотря на то что исследовательские проекты Себастьяна сосредоточены главным образом на решении задач в области вычислительной биологии, ему нравится писать и говорить на темы науки о данных, машинного обучения и языка Python в общем, и он стремится помочь людям разрабатывать решения, управляемые данными, без обязательного знания подоплеки машинного обучения. Недавно его работа и вклад были отмечены званием выдающегося аспиранта 2016-2017, а также наградой ACM Computing Reviews' Best of 2016. В свободное время Себастьян любит участвовать в проектах с открытым кодом, а методы, которые он реализовал, теперь успешно используются в состязаниях по машинному обучению, таких как Kaggle. Вахид Мирджалили получил звание PhD в машиностроении, работая над новаторскими методами для крупномасштабных вычислительных эмуляций молекулярных структур. В настоящее время он сосредоточил свою научно-исследовательскую работу на приложениях машинного обучения в разнообразных проектах компьютерного зрения в отделении компьютерных наук и инженерии Университета штата Мичиган. Вахид избрал Python в качестве главного языка программирования, и на протяжении своей научно-исследовательской карьеры накопил громадный опыт в написании кода Python. Он преподавал программирование на Python инженерной группе в Университете штата Мичиган, что дало ему возможность помочь студентам понять разные структуры данных и разрабатывать эффективный код на Python. Наряду с тем, что обширные исследовательские интересы Вахида сконцентрированы на приложениях глубокого обучения и компьютерного зрения, он особенно интересуется использованием приемов глубокого обучения для усиления приватности в биометрических данных, таких как изображения лиц, чтобы не раскрывалась информация сверх той, что пользователи намеревались показывать. Кроме того, он также сотрудничает с командой инженеров, работающих над беспилотными автомобилями, где проектирует модели на основе нейронных сетей для слияния многоспектральных изображений с целью обнаружения пешеходов. 2-е издание
Уэс Маккинни Python и анализ данных Уэс Маккинни Python и анализ данных Новинка

Уэс Маккинни Python и анализ данных

Книгу можно рассматривать как современное практическое введение в разработку научных приложений на Python, ориентированных на обработку данных. Описаны те части языка Python и библиотеки для него, которые необходимы для эффективного решения широкого круга аналитических задач: интерактивная оболочка IPython, библиотеки NumPy и pandas, библиотека для визуализации данных matplotlib и др. Издание идеально подойдет как аналитикам, только начинающим осваивать обработку данных, так и опытным программистам на Python, еще не знакомым с научными приложениями.
Творческий коллектив шоу «Дышите глубже» Машинное обучение Творческий коллектив шоу «Дышите глубже» Машинное обучение Новинка

Творческий коллектив шоу «Дышите глубже» Машинное обучение

Машинное обучение – обширный подраздел искусственного интеллекта, математическая дисциплина, использующая разделы математической статистики, численных методов оптимизации, теории вероятностей, дискретного анализа, и извлекающая знания из данных.
Бонцанини М. Анализ социальных медиа на Python Бонцанини М. Анализ социальных медиа на Python Новинка

Бонцанини М. Анализ социальных медиа на Python

Язык программирования Python является оптимальным выбором для исследователей-аналитиков, поскольку позволяет создавать прототипы, визуализировать и анализировать наборы данных малого и среднего размера. Бесчисленное количество предприятий обращается к Python для решения задач, связанных с выявлением особенностей поведения потребителей и превращением исходных данных в действенную информацию о клиентах. Настоящая книга рассказывает, как с помощью научного инструментария Python получать и анализировать данные из наиболее популярных сетей, таких как Facebook, Twitter, Stack Exchange и др. В русскоязычное издание добавлено приложение об анализе данных из сети «ВКонтакте». Издание предназначено для специалистов по анализу данных, а также будет полезно всем разработчикам на Python, желающим извлекать коммерческую пользу из социальных сетей.
Дауни А.Б. Изучение сложных систем с помощью Python Дауни А.Б. Изучение сложных систем с помощью Python Новинка

Дауни А.Б. Изучение сложных систем с помощью Python

Наука о поведении сложных систем использует различные вычисления для изучения естественных и гуманитарных наук. В этой книге вы будете использовать графы, клеточные автоматы и агентные модели для изучения тем по физике, биологии и экономике. Независимо от того, являетесь ли вы программистом на Python или изучаете компьютерное моделирование в университете, вы углубитесь в изучение сложных систем с помощью серии проработанных примеров, упражнений, случаев из практики и простых для понимания объяснений.
Шарден Б. Крупномасштабное машинное обучение вместе с Python Шарден Б. Крупномасштабное машинное обучение вместе с Python Новинка

Шарден Б. Крупномасштабное машинное обучение вместе с Python

Главная задача настоящей книги состоит в том, чтобы предоставить способы применения мощных методов машинного обучения с открытым исходным кодом в крупномасштабных проектах без привлечения дорогостоящих корпоративных решений или больших вычислительных кластеров. Описаны масштабируемое обучение в Scikit-learn, нейронные сети и глубокое обучение с использованием Theano, H2O и TensorFlow. Рассмотрены классификационные и регрессионные деревья, а также обучение без учителя. Охвачены эффективные методы машинного обучения в вычислительной среде MapReduce на платформах Hadoop и Spark на языке Python.
Бастиан Шарден Крупномасштабное машинное обучение вместе с Python Бастиан Шарден Крупномасштабное машинное обучение вместе с Python Новинка

Бастиан Шарден Крупномасштабное машинное обучение вместе с Python

Главная задача настоящей книги состоит в том, чтобы предоставить способы применения мощных методов машинного обучения с открытым исходным кодом в крупномасштабных проектах без привлечения дорогостоящих корпоративных решений или больших вычислительных кластеров. Описаны масштабируемое обучение в Scikit-learn, нейронные сети и глубокое обучение с использованием Theano, H2O и TensorFlow. Рассмотрены классификационные и регрессионные деревья, а также обучение без учителя. Охвачены эффективные методы машинного обучения в вычислительной среде MapReduce на платформах Hadoop и Spark на языке Python.
Бонцанини Марко Анализ социальных медиа на Python Бонцанини Марко Анализ социальных медиа на Python Новинка

Бонцанини Марко Анализ социальных медиа на Python

Извлекайте и анализируйте данные из всех уголков социальной паутины на Python. Язык программирования Python является оптимальным выбором для исследователей-аналитиков, поскольку позволяет создавать прототипы, визуализировать и анализировать наборы данных малого и среднего размера. Бесчисленное количество предприятий обращается к Python для решения задач, связанных выявлением особенностей поведения потребителей и превращением исходных данных в действенную информацию о клиентах. Настоящая книга рассказывает, как с помощью научного инструментария Python получать и анализировать данные из наиболее популярных сетей, таких как Facebook, Twitter, Stack Exchange и др. В русскоязычное издание добавлено приложение об анализе данных из сети "ВКонтакте". Издание предназначено для специалистов по анализу данных, а также будет полезно всем разработчикам на Python, желающим извлекать коммерческую пользу из социальных сетей. Из этой книги вы узнаете, как: - взаимодействовать с социально-медийными платформами посредством публичного API из приложений на Python; - сохранять социальные данные в формате, удобном для последующего анализа; - анализировать социальные данные и извлекать из них выборки, используя инструменты Python; - с помощью приемов обработки текстов понять, о чем люди говорят в социальных медиа; - применять продвинутые статистические и аналитические приемы для извлечения полезной информации из данных; - как с применением технологий веба отображать данные в удобном графическом виде для их исследования и представления результатов обработки.
Шарден Бастиан, Массарон Лука, Боскетти Альберто Крупномасштабное машинное обучение вместе с Python Шарден Бастиан, Массарон Лука, Боскетти Альберто Крупномасштабное машинное обучение вместе с Python Новинка

Шарден Бастиан, Массарон Лука, Боскетти Альберто Крупномасштабное машинное обучение вместе с Python

Главная задача настоящей книги состоит в том, чтобы предоставить способы применения мощных методов машинного обучения с открытым исходным кодом в крупномасштабных проектах без привлечения дорогостоящих корпоративных решений или больших вычислительных кластеров. Описаны масштабируемое обучение в Scikit-learn, нейронные сети и глубокое обучение с использованием Theano, H2O и TensorFlow. Рассмотрены классификационные и регрессионные деревья, а также обучение без учителя. Охвачены эффективные методы машинного обучения в вычислительной среде MapReduce на платформах Hadoop и Spark на языке Python.
Луис Педро Коэльо Построение систем машинного обучения на языке Python Луис Педро Коэльо Построение систем машинного обучения на языке Python Новинка

Луис Педро Коэльо Построение систем машинного обучения на языке Python

Применение машинного обучения для лучшего понимания природы данных – умение, необходимое любому современному разработчику программ или аналитику. Python – замечательный язык для создания приложений машинного обучения. Благодаря своей динамичности он позволяет быстро производить разведочный анализ данных и экспериментировать с ними. Обладая первоклассным набором библиотек машинного обучения с открытым исходным кодом, Python дает возможность сосредоточиться на решаемой задаче и в то же время опробовать различные идеи. Книга начинается с краткого введения в предмет машинного обучения и знакомства с библиотеками NumPy, SciPy, scikit-learn. Но довольно быстро авторы переходят к более серьезным проектам с реальными наборами данных, в частности, тематическому моделированию, анализу корзины покупок, облачным вычислениям и др. Издание рассчитано на программистов, пишущих на Python и желающих узнать о построении систем машинного обучения и научиться извлекать из данных ценную информацию, необходимую для решения различных задач.
Глубокое обучение на Python Глубокое обучение на Python Новинка

Глубокое обучение на Python

Глубокое обучение — Deep learning — это набор алгоритмов машинного обучения, которые моделируют высокоуровневые абстракции в данных, используя архитектуры, состоящие из...
Педро Домингос Верховный алгоритм Педро Домингос Верховный алгоритм Новинка

Педро Домингос Верховный алгоритм

Машинное обучение преображает науку, технологию, бизнес и позволяет глубже узнать природу и человеческое поведение. Программирующие сами себя компьютеры – одна из самых важных современных технологий, и она же – одна из самых таинственных. Ученый-практик Педро Домингос приоткрывает завесу и впервые доступно рассказывает о машинном обучении и о поиске универсального обучающегося алгоритма, который сможет выуживать любые знания из данных и решать любые задачи. Чтобы заглянуть в будущее и узнать, как машинное обучение изменит наш мир, не нужно специального технического образования – достаточно прочитать эту книгу. На русском языке публикуется впервые.
Кук Д. Машинное обучение с использованием библиотеки Н2О Кук Д. Машинное обучение с использованием библиотеки Н2О Новинка

Кук Д. Машинное обучение с использованием библиотеки Н2О

Н20 - простая в использовании и открытая библиотека, которая поддерживает большое количество операционных систем и языков программирования, а также масштабируется для обработки больших данных. Эта книга научит вас использовать алгоритмы машинного обучения, реализованные в Н2О, с упором на наиболее важные для продуктивной работы аспекты. Рассмотрены глубокое обучение, случайный лес, обучение на не размеченных данных и ансамбли моделей.В российское издание добавлены дополнительно два приложения, описывающих новейшие модули Н2О - Deep Water и Stacked Ensemble. Издание предназначено для специалистов по анализу данных, желающих изучить и применять на практике относительно новый, но многообещающий инструмент - библиотеку Н2О.
Кук Даррен Машинное обучение с использованием библиотеки Н2О Кук Даррен Машинное обучение с использованием библиотеки Н2О Новинка

Кук Даррен Машинное обучение с использованием библиотеки Н2О

Н20 - простая в использовании и открытая библиотека, которая поддерживает большое количество операционных систем и языков программирования, а также масштабируется для обработки больших данных. Эта книга научит вас использовать алгоритмы машинного обучения, реализованные в Н20, с упором на наиболее важные для продуктивной работы аспекты. Рассмотрены глубокое обучение, случайный лес, обучение на неразмеченных данных и ансамбли моделей. В российское издание добавлены дополнительно два приложения, описывающих новейшие модули Н20 - Deep Water и Stacked Ensemble. Издание предназначено для специалистов по анализу данных, желающих изучить и применять на практике относительно новый, но многообещающий инструмент - библиотеку Н20.
Д. Кук Машинное обучение с использованием библиотеки Н2О Д. Кук Машинное обучение с использованием библиотеки Н2О Новинка

Д. Кук Машинное обучение с использованием библиотеки Н2О

Н20 - простая в использовании и открытая библиотека, которая поддерживает большое количество операционных систем и языков программирования, а также масштабируется для обработки больших данных. Эта книга научит вас использовать алгоритмы машинного обучения, реализованные в Н2О, с упором на наиболее важные для продуктивной работы аспекты. Рассмотрены глубокое обучение, случайный лес, обучение на не размеченных данных и ансамбли моделей.В российское издание добавлены дополнительно два приложения, описывающих новейшие модули Н2О - Deep Water и Stacked Ensemble.Издание предназначено для специалистов по анализу данных, желающих изучить и применять на практике относительно новый, но многообещающий инструмент - библиотеку Н2О.
Марко Бонцанини Анализ социальных медиа на Python Марко Бонцанини Анализ социальных медиа на Python Новинка

Марко Бонцанини Анализ социальных медиа на Python

Извлекайте и анализируйте данные из всех уголков социальной паутины на Python.Язык программирования Python является оптимальным выбором для исследователей-аналитиков, поскольку позволяет создавать прототипы, визуализировать и анализировать наборы данных малого и среднего размера. Бесчисленное количество предприятий обращается к Python для решения задач, связанных выявлением особенностей поведения потребителей и превращением исходных данных в действенную информацию о клиентах.Настоящая книга рассказывает, как с помощью научного инструментария Python получать и анализировать данные из наиболее популярных сетей, таких как Facebook, Twitter, Stack Exchange и др. В русскоязычное издание добавлено приложение об анализе данных из сети "ВКонтакте".Издание предназначено для специалистов по анализу данных, а также будет полезно всем разработчикам на Python, желающим извлекать коммерческую пользу из социальных сетей.Из этой книги вы узнаете, как: - взаимодействовать с социально-медийными платформами посредством публичного API из приложений на Python;- сохранять социальные данные в формате, удобном для последующего анализа;- анализировать социальные данныеи извлекать из них выборки, используя инструменты Python;- с помощью приемов обработки текстов понять, о чем люди говорят в социальных медиа;- применять продвинутые статистические и аналитические приемы для извлечения полезной информации из данных;- как с применением технологий веба отображать данные в удобном графическом виде... Рекомендуем!
Этем Алпайдин Машинное обучение. Новый искусственный интеллект Этем Алпайдин Машинное обучение. Новый искусственный интеллект Новинка

Этем Алпайдин Машинное обучение. Новый искусственный интеллект

Книга "Машинное обучение: новый искусственный интеллект" Этема Алпайдина из серии "Базовые знания" издательства MIT Press представляет собой краткое введение в машинное обучение. Книга дает общее представление о машинном обучении, описывает суть основных алгоритмов обучения без погружения в технические подробности и обсуждает некоторые примеры их применения на уровне, достаточном для понимания основ. Издание предназначено для широкого круга читателей, интересующихся наукой и техникой, и тесно связано с другими книгами из серии "Базовые знания": "Технологическая сингулярность" Мюррея Шанахана, "Нейропластичность" Мохеба Костанди и "Роботы" Джона Джордана. Рекомендуем!
Брюс Питер, Брюс Эндрю Практическая статистика для специалистов Data Science. 50 важнейших понятий Брюс Питер, Брюс Эндрю Практическая статистика для специалистов Data Science. 50 важнейших понятий Новинка

Брюс Питер, Брюс Эндрю Практическая статистика для специалистов Data Science. 50 важнейших понятий

Книга рассчитана на специалистов в области Data Science, обладающих некоторым опытом работы с языком программирования R и имеющих предварительное понятие о математической статистике. В ней в удобной и легкодоступной форме представлены ключевые понятия из статистики, которые относятся к науке о данных, а также объяснено, какие понятия важны и полезны с точки зрения науки о данных, какие менее важны и почему. Подробно раскрыты темы: разведочный анализ данных, распределения данных и выборок, статистические эксперименты и проверка значимости, регрессия и предсказание, классификация, статистическое машинное обучение и обучение без учителя. Для аналитиков данных.
Алпайдин Этем Машинное обучение. Новый искусственный интеллект Алпайдин Этем Машинное обучение. Новый искусственный интеллект Новинка

Алпайдин Этем Машинное обучение. Новый искусственный интеллект

Книга "Машинное обучение: новый искусственный интеллект" Этема Алпайдина из серии "Базовые знания" издательства MIT Press представляет собой краткое введение в машинное обучение. Книга дает общее представление о машинном обучении, описывает суть основных алгоритмов обучения без погружения в технические подробности и обсуждает некоторые примеры их применения на уровне, достаточном для понимания основ. Издание предназначено для широкого круга читателей, интересующихся наукой и техникой, и тесно связано с другими книгами из серии "Базовые знания": "Технологическая сингулярность" Мюррея Шанахана, "Мейропластичность" Мохеба Костанди и "Роботы" Джона Джордана.
Харрисон Мэтт Как устроен Python. Гид для разработчиков, программистов и интересующихся Харрисон Мэтт Как устроен Python. Гид для разработчиков, программистов и интересующихся Новинка

Харрисон Мэтт Как устроен Python. Гид для разработчиков, программистов и интересующихся

Python в моде! Это самый популярный язык программирования. Вакансии для Python-разработчиков входят в список самых высокооплачиваемых, а благодаря бурному развитию обработки данных, знание Python становится одним из самых востребованных навыков в среде аналитиков. Python - невероятный язык, популярный во многих областях. Он используется для автоматизации простых и сложных задач, цифровой обработки, веб-разработки, игр... Независимо от того, перешли ли вы на Python с другого языка, руководите группой программистов, работающих на Python, или хотите расширить свое понимание, имеет смысл подойти к изучению Python со всей серьезностью. Готовы начать карьеру питониста? Не теряйте времени на поиск информации, перелопачивая блоги и сайты, списки рассылок и группы. Мэтт Харрисон использует Python с 2000 года. Он занимался научными исследованиями, сборкой и тестированием, бизнес-аналитикой, хранением данных, а теперь делится своими знаниями как с простыми пользователями, так и с крупными корпорациями. Приобщитесь к передовому опыту и узнайте секреты внутренней кухни Python, доступные только профи, работающим с этим языком на протяжении многих лет.
Мэтт Харрисон Как устроен Python. Гид для разработчиков, программистов и интересующихся Мэтт Харрисон Как устроен Python. Гид для разработчиков, программистов и интересующихся Новинка

Мэтт Харрисон Как устроен Python. Гид для разработчиков, программистов и интересующихся

Python в моде! Это самый популярный язык программирования. Вакансии для Python-разработчиков входят в список самых высокооплачиваемых, а благодаря бурному развитию обработки данных, знание Python становится одним из самых востребованных навыков в среде аналитиков. Python – невероятный язык, популярный во многих областях. Он используется для автоматизации простых и сложных задач, цифровой обработки, веб-разработки, игр… Независимо от того, перешли ли вы на Python с другого языка, руководите группой программистов, работающих на Python, или хотите расширить свое понимание, имеет смысл подойти к изучению Python со всей серьезностью. Готовы начать карьеру питониста? Не теряйте времени на поиск информации, перелопачивая блоги и сайты, списки рассылок и группы. Мэтт Харрисон использует Python с 2000 года. Он занимался научными исследованиями, сборкой и тестированием, бизнес-аналитикой, хранением данных, а теперь делится своими знаниями как с простыми пользователями, так и с крупными корпорациями. Приобщитесь к передовому опыту и узнайте секреты внутренней кухни Python, доступные только профи, работающим с этим языком на протяжении многих лет.
Харрисон М. Как устроен Python. Гид для разработчиков, программистов и интересующихся Харрисон М. Как устроен Python. Гид для разработчиков, программистов и интересующихся Новинка

Харрисон М. Как устроен Python. Гид для разработчиков, программистов и интересующихся

Python в моде! Это самый популярный язык программирования. Вакансии для Python-разработчиков входят в список самых высокооплачиваемых, а благодаря бурному развитию обработки данных, знание Python становится одним из самых востребованных навыков в среде аналитиков. Python - невероятный язык, популярный во многих областях. Он используется для автоматизации простых и сложных задач, цифровой обработки, веб-разработки, игр... Независимо от того, перешли ли вы на Python с другого языка, руководите группой программистов, работающих на Python, или хотите расширить свое понимание, имеет смысл подойти к изучению Python со всей серьезностью. Готовы начать карьеру питониста? Не теряйте времени на поиск информации, перелопачивая блоги и сайты, списки рассылок и группы. Мэтт Харрисон использует Python с 2000 года. Он занимался научными исследованиями, сборкой и тестированием, бизнес-аналитикой, хранением данных, а теперь делится своими знаниями как с простыми пользователями, так и с крупными корпорациями. Приобщитесь к передовому опыту и узнайте секреты внутренней кухни Python, доступные только профи, работающим с этим языком на протяжении многих лет.
М. Харрисон Как устроен Python. Гид для разработчиков, программистов и интересующихся М. Харрисон Как устроен Python. Гид для разработчиков, программистов и интересующихся Новинка

М. Харрисон Как устроен Python. Гид для разработчиков, программистов и интересующихся

Python в моде! Это самый популярный язык программирования. Вакансии для Python-разработчиков входят в список самых высокооплачиваемых, а благодаря бурному развитию обработки данных, знание Python становится одним из самых востребованных навыков в среде аналитиков. Python - невероятный язык, популярный во многих областях. Он используется для автоматизации простых и сложных задач, цифровой обработки, веб-разработки, игр... Независимо от того, перешли ли вы на Python с другого языка, руководите группой программистов, работающих на Python, или хотите расширить свое понимание, имеет смысл подойти к изучению Python со всей серьезностью. Готовы начать карьеру питониста? Не теряйте времени на поиск информации, перелопачивая блоги и сайты, списки рассылок и группы. Мэтт Харрисон использует Python с 2000 года. Он занимался научными исследованиями, сборкой и тестированием, бизнес-аналитикой, хранением данных, а теперь делится своими знаниями как с простыми пользователями, так и с крупными корпорациями. Приобщитесь к передовому опыту и узнайте секреты внутренней кухни Python, доступные только профи, работающим с этим языком на протяжении многих лет. Рекомендуем!
Попков Ю.С. Рандомизированное машинное обучение при ограниченных объемах данных: От эмпирической вероятности к э Попков Ю.С. Рандомизированное машинное обучение при ограниченных объемах данных: От эмпирической вероятности к э Новинка

Попков Ю.С. Рандомизированное машинное обучение при ограниченных объемах данных: От эмпирической вероятности к э

Проблема извлечения и последующего накопления знаний в конечном счете сводится к знаниям о модели, которые формализуются путем оценивания ее характеристик. Последнее интерпретируется как обучение модели с использованием данных. Современное представление о машинном обучении предполагает, что его результатом являются «обученные» детерминированные модели, снабженные эмпирическими вероятностными оценками их достоверности. В настоящей монографии развивается новое направление в машинном обучении — рандомизированное машинное обучение, которое направлено на генерацию ансамблей энтропийно «обученных» рандомизированных моделей. Если иметь в виду, что процедуры машинного обучения применяются к задачам с достаточно высоким уровнем неопределенности (не вполне достоверные данные, неполнота знаний о моделируемом процессе, и др.), то переход к энтропийно-рандомизированной концепции машинного обучения может оказаться полезным и эффективным инструментом решения прикладных задач. Книга может быть полезной для студентов, аспирантов и научных работников, интересующихся теоретическими аспектами машинного обучения и анализа данных, а также их приложениями в различных практических областях.
Ю. С. Попков, А. Ю. Попков, Ю. А. Дубнов Рандомизированное машинное обучение при ограниченных объемах данных. От эмпирической вероятности к энтропийной рандомизации Ю. С. Попков, А. Ю. Попков, Ю. А. Дубнов Рандомизированное машинное обучение при ограниченных объемах данных. От эмпирической вероятности к энтропийной рандомизации Новинка

Ю. С. Попков, А. Ю. Попков, Ю. А. Дубнов Рандомизированное машинное обучение при ограниченных объемах данных. От эмпирической вероятности к энтропийной рандомизации

Проблема извлечения и последующего накопления знаний в конечном счете сводится к знаниям о модели, которые формализуются путем оценивания ее характеристик. Последнее интерпретируется как обучение модели с использованием данных. Современное представление о машинном обучении предполагает, что его результатом являются "обученные" детерминированные модели, снабженные эмпирическими вероятностными оценками их достоверности. В настоящей монографии развивается новое направление в машинном обучении -рандомизированное машинное обучение, которое направлено на генерацию ансамблей энтропийно "обученных" рандомизированных моделей. Если иметь в виду, что процедуры машинного обучения применяются к задачам с достаточно высоким уровнем неопределенности (не вполне достоверные данные, неполнота знаний о моделируемом процессе, и др.), то переход к энтропийно-рандомизированной концепции машинного обучения может оказаться полезным и эффективным инструментом решения прикладных задач. Книга может быть полезной для студентов, аспирантов и научных работников, интересующихся теоретическими аспектами машинного обучения и анализа данных, а также их приложениями в различных практических областях.
Как устроен Python. Гид для разработчиков, программистов и интересующихся Как устроен Python. Гид для разработчиков, программистов и интересующихся Новинка

Как устроен Python. Гид для разработчиков, программистов и интересующихся

Python в моде! Это самый популярный язык программирования. Вакансии для Python-разработчиков входят в список самых высокооплачиваемых, а благодаря бурному развитию обработки данных, знание Python становится одним из самых востребованных навыков в среде аналитиков.Python - невероятный язык, популярный во многих областях. Он используется для автоматизации простых и сложных задач, цифровой обработки, веб-разработки, игр... Независимо от того, перешли ли вы на Python с другого языка, руководите группой программистов, работающих на Python, или хотите расширить свое понимание, имеет смысл подойти к изучению Python со всей серьезностью.Готовы начать карьеру питониста? Не теряйте времени на поиск информации, перелопачивая блоги и сайты, списки рассылок и группы. Мэтт Харрисон использует Python с 2000 года. Он занимался научными исследованиями, сборкой и тестированием, бизнес-аналитикой, хранением данных, а теперь делится своими знаниями как с простыми пользователями, так и с крупными корпорациями. Приобщитесь к передовому опыту и узнайте секреты внутренней кухни Python, доступные только профи, работающим с этим языком на протяжении многих лет.
Коэльо Луис Педро, Ричарт Вилли Построение систем машинного обучения на языке Python Коэльо Луис Педро, Ричарт Вилли Построение систем машинного обучения на языке Python Новинка

Коэльо Луис Педро, Ричарт Вилли Построение систем машинного обучения на языке Python

Книга рассчитана на программистов, пишущих на Python и желающих узнать о построении систем машинного обучения с помощью библиотек с открытым исходным кодом. Мы рассматриваем основные модели машинного обучения на примерах, взятых из реальной жизни. Эта книга будет полезна также специалистам по машинному обучению, желающим использовать Python для создания своих систем. В главе 1 "Введение в машинное обучение на языке Python" читатель знакомится с основной идеей машинного обучения на очень простом примере. Но, несмотря на простоту, в этом примере имеет место опасность переобучения. В главе 2 "Классификация в реальной жизни" мы используем реальные данные, чтобы продемонстрировать классификацию и научить компьютер различать различные классы цветов. В главе 3 "Кластеризация - поиск взаимосвязанных сообщений" мы узнаем об эффективности модели набора слов, с помощью которой сумеем найти похожие сообщения, не "понимая" их смысла. В главе 4 "Тематическое моделирование" мы не станем ограничиваться отнесением сообщения только к одному кластеру, а свяжем с ним несколько тем, поскольку политематичность характерна для реальных текстов. В главе 5 "Классификация - выявление плохих ответов" мы узнаем, как применить дилемму смещения-дисперсии к отладке моделей машинного обучения, хотя эта глава посвящена в основном использованию логистической регрессии для оценки того, хорош или плох ответ пользователя на заданный вопрос. В главе 6 "Классификация II - анализ эмоциональной окраски" объясняется принцип работы наивного байесовского классификатора и описывается, как с его помощью узнать, несет ли твит положительный или отрицательный эмоциональный заряд. В главе 7 "Регрессия" объясняется, как использовать классический, но не утративший актуальности метод - регрессию - при обработке данных. Вы узнаете и о более сложных методах регрессии, в частности Lasso и эластичных сетях. В главе 8 "Рекомендование" мы построим систему рекомендования на основе выставленных потребителями оценок. Мы также узнаем, как формировать рекомендации, имея только данные о покупках, безо всяких оценок (которые пользователи выставляют далеко не всегда). В главе 9 "Классификация по музыкальным жанрам" мы предположим, что кто-то сознательно внес хаос в нашу огромную коллекцию музыкальных произведений, и единственная надежда навести порядок - поручить машине их классификацию. Как выяснится, иногда лучше довериться чужому опыту, чем создавать признаки самостоятельно. В главе 10 " Машинное зрение" мы применим методы классификации к обработке изображений, выделяя признаки из данных. Мы также увидим, как с помощью этих методов можно находить похожие изображения в наборе. Из главы 11 "Понижение размерности" мы узнаем о методах, позволяющих уменьшить объем данных, чтобы алгоритмы машинного обучения могли с ними справиться. В главе 12 "Когда данных больше" мы рассмотрим некоторые подходы, позволяющие успешно обрабатывать большие наборы данных, задействуя несколько ядер или вычислительные кластеры. Мы также познакомимся с основами облачных вычислений (на примере служб Amazon Web Services). В приложении "Где получить дополнительные сведения о машинном обучении" перечислены многочисленные полезные ресурсы, посвященные этой теме.
А. А. Кубенский Создание и обработка структур данных в примерах на Java А. А. Кубенский Создание и обработка структур данных в примерах на Java Новинка

А. А. Кубенский Создание и обработка структур данных в примерах на Java

Книга посвящена алгоритмам обработки сложных структур данных. Рассматриваются решения наиболее распространенных задач: создание и изменение деревьев, поиск кратчайшего пути между вершинами в графе, обработка списков и массивов, символьное преобразование выражений. Примеры классических алгоритмов реализованы на языке Java, обеспечивающем объектно-ориентированный подход к программированию и являющемся универсальным при работе на различных платформах. Приводятся сведения о технологии построения программ, основу которых составляют объекты, обменивающиеся сообщениями. Описывается функциональное представление информации, позволяющее получать короткие и изящные программы для решения сложных задач. Для широкого круга программистов.

кешбака
Страницы:


Машинное обучение поглощает мир программного обеспечения. Освойте и работайте с передовыми технологиями машинного обучения, нейронных сетей и глубокого обучения с помощью 2-го издания бестселлера Себастьяна Рашки. Будучи основательно обновленной с учетом самых последних технологий с открытым кодом, включая такие библиотеки, как scikit-learn, Keras и TensorFlow, эта книга предлагает практические знания и приемы, которые необходимы для создания эффективных приложений машинного и глубокого обучения на языке Python. Обладающие уникальной проницательностью и знанием дела авторы книги, Себастьян Рашка и Вахид Мирджалили, ознакомят вас с алгоритмами машинного обучения и глубокого обучения и постепенно подведут к сложным темам в анализе данных. В книге предлагается сочетание теоретических принципов машинного обучения с практическим подходом к написанию кода для полного понимания теории машинного обучения и реализация с помощью Python. Основные темы книги Освойте основные фреймворки в науке о данных, машинном обучении и глубоком обучении Задайте новые вопросы своим данным через модели машинного обучения и нейронные сети Используйте всю мощь самых последних библиотек Python с открытым кодом для машинного обучения Научитесь строить реализации глубоких нейронных сетей с применением библиотеки TensorFlow Встраивайте модели машинного обучения в доступные веб-приложения Прогнозируйте непрерывные целевые результаты с применением регрессионного анализа Раскройте скрытые шаблоны и структуры в данных с помощью кластеризации Анализируйте изображения с использованием приемов глубокого обучения Углубитесь в текстовые данные и данные из социальных сетей с применением смыслового анализа Если вы читали 1-е издание книги, то вам доставит удовольствие найти новый баланс классических идей и современных знаний в машинном обучении. Каждая глава была серьезно обновлена, и появились новые главы по ключевым технологиям. У вас будет возможность изучить и поработать с TensorFlow более вдумчиво, нежели ранее, а также получить важнейший охват библиотеки для нейронных сетей Keras наряду с самыми свежими обновлениями библиотеки scikit-learn. Об авторах Себастьян Рашка, автор ставшего бестселлером 1-го издания этой книги, обладает многолетним опытом написания кода на языке Python. Он проводил многочисленные семинары по практическому применению науки о данных, машинному обучению и глубокому обучению, включая руководство по машинному обучению на SciPy - ведущей конференции, посвященной научным расчетам с помощью Python. Несмотря на то что исследовательские проекты Себастьяна сосредоточены главным образом на решении задач в области вычислительной биологии, ему нравится писать и говорить на темы науки о данных, машинного обучения и языка Python в общем, и он стремится помочь людям разрабатывать решения, управляемые данными, без обязательного знания подоплеки машинного обучения. Недавно его работа и вклад были отмечены званием выдающегося аспиранта 2016-2017, а также наградой ACM Computing Reviews' Best of 2016. В свободное время Себастьян любит участвовать в проектах с открытым кодом, а методы, которые он реализовал, теперь успешно используются в состязаниях по машинному обучению, таких как Kaggle. Вахид Мирджалили получил звание PhD в машиностроении, работая над новаторскими методами для крупномасштабных вычислительных эмуляций молекулярных структур. В настоящее время он сосредоточил свою научно-исследовательскую работу на приложениях машинного обучения в разнообразных проектах компьютерного зрения в отделении компьютерных наук и инженерии Университета штата Мичиган. Вахид избрал Python в качестве главного языка программирования, и на протяжении своей научно-исследовательской карьеры накопил громадный опыт в написании кода Python. Он преподавал программирование на Python инженерной группе в Университете штата Мичиган, что дало ему возможность помочь студентам понять разные структуры данных и разрабатывать эффективный код на Python. Наряду с тем, что обширные исследовательские интересы Вахида сконцентрированы на приложениях глубокого обучения и компьютерного зрения, он особенно интересуется использованием приемов глубокого обучения для усиления приватности в биометрических данных, таких как изображения лиц, чтобы не раскрывалась информация сверх той, что пользователи намеревались показывать. Кроме того, он также сотрудничает с командой инженеров, работающих над беспилотными автомобилями, где проектирует модели на основе нейронных сетей для слияния многоспектральных изображений с целью обнаружения пешеходов. 2-е издание
Продажа дж вандер плас python для сложных задач наука о данных и машинное обучение лучших цены всего мира
Посредством этого сайта магазина - каталога товаров мы очень легко осуществляем продажу дж вандер плас python для сложных задач наука о данных и машинное обучение у одного из интернет-магазинов проверенных фирм. Определитесь с вашими предпочтениями один интернет-магазин, с лучшей ценой продукта. Прочитав рекомендации по продаже дж вандер плас python для сложных задач наука о данных и машинное обучение легко охарактеризовать производителя как превосходную и доступную фирму.