Флах Питер. Машинное обучение. Наука и искусство построения алгоритмов, которые извлекают знания из данных
Скидка 5850Р
Флах Питером - это книга, которая представляет собой обширное руководство по машинному обучению. Она учебник, который охватывает все аспекты этой области, от базовых понятий и методов до более сложных и продвинутых техник и алгоритмов.
Автор начинает с объяснения основных понятий и принципов машинного обучения, чтобы обеспечить читателю основные знания и понимание. Затем он рассматривает различные типы алгоритмов машинного обучения, включая регрессию, классификацию, кластеризацию, ассоциативные правила и многое другое.
Книга также подробно описывает различные техники и методологии, используемые в машинном обучении, такие как регуляризация, оценка модели, выбор признаков, снижение размерности и т. д. Автор также обсуждает проблемы, связанные с обучением на больших данных и работой с несбалансированными данными.
Особенность этой книги заключается в том, что она не только описывает теорию и методы машинного обучения, но и предлагает практические примеры и задания, которые помогут читателю применить свои знания на практике. Книга также включает множество иллюстраций, графиков и диаграмм, которые облегчают понимание сложных концепций.
Общая цель книги - помочь читателю освоить основы машинного обучения и научиться строить алгоритмы, которые позволяют извлекать знания и информацию из данных. Она является полезным руководством как для начинающих, так и для опытных специалистов в области машинного обучения.
Автор начинает с объяснения основных понятий и принципов машинного обучения, чтобы обеспечить читателю основные знания и понимание. Затем он рассматривает различные типы алгоритмов машинного обучения, включая регрессию, классификацию, кластеризацию, ассоциативные правила и многое другое.
Книга также подробно описывает различные техники и методологии, используемые в машинном обучении, такие как регуляризация, оценка модели, выбор признаков, снижение размерности и т. д. Автор также обсуждает проблемы, связанные с обучением на больших данных и работой с несбалансированными данными.
Особенность этой книги заключается в том, что она не только описывает теорию и методы машинного обучения, но и предлагает практические примеры и задания, которые помогут читателю применить свои знания на практике. Книга также включает множество иллюстраций, графиков и диаграмм, которые облегчают понимание сложных концепций.
Общая цель книги - помочь читателю освоить основы машинного обучения и научиться строить алгоритмы, которые позволяют извлекать знания и информацию из данных. Она является полезным руководством как для начинающих, так и для опытных специалистов в области машинного обучения.
