Базовые алгоритмы машинного обучения на языке Python.

Main
Базовые алгоритмы машинного обучения на...

Базовые алгоритмы машинного обучения на языке Python.

Долганов А.Ю.

5.0 / 0

Sukakah anda buku ini?

Bagaimana kualiti fail ini?

Muat turun buku untuk menilai kualitinya

Bagaimana kualiti fail yang dimuat turun?

Tahun:

2023

Penerbit:

Уральский университет

Bahasa:

russian

ISBN 10:

5799636325

ISBN 13:

9785799636326

Fail:

PDF, 10.52 MB

IPFS:

,

russian, 2023

Baca dalam Talian

Penukaran menjadi sedang dijalankan

Penukaran menjadi gagal

Mungkin anda berminat

Демиденко А. — Машинное обучение. Погружение в технологию.

Алекс Дж. Гатман, Джордан Голдмейер ; перевод с английского М. А. Райтман — Разберись в Data Science: как освоить науку о данных и научиться думать как эксперт : методы аналитики данных, основы машинного обучения, распространенные ошибки при работе с данными

Марченко А.Л. — Python: большая книга примеров.

Джордж Хайнеман — Алгоритмы. С примерами на Python

Пол Орланд — Математические алгоритмы для программистов. 3D-графика, машинное обучение и моделирование на Python

С. В. Букунов, О.В. Букунова — Разработка приложений с графическим пользовательским интерфейсом на языке Python

Франк Хуттер, Ларс Коттхофф, Хоакин Ваншорен — Введение в автоматизированное машинное обучение (AutoML)

Ма К. и др. — Трехмерное глубокое обучение на Python.

Мерков А.Б. — Введение в методы статистического обучения

Гладилин П.Е., Боченина К.О. — Технологии машинного обучения.

Коллектив авторов — Лабораторный практикум к выполнению лабораторных работ по дисциплинам: «Основы моделирования биологических процессов и систем» и «Математическое моделирование биологических процессов и систем»

С.Э. Мастицкий, В.К. Шитиков — Статистический анализ и визуализация данных с помощью R

Герасимов А.Н., Громов Е.И., Скрипниченко Ю.С. — Эконометрика: (продвинутый уровень)

Кухаренко Б. Г. — Интеллектуальные системы и технологии: учебное пособие

Гладилин П. Е., Боченина К. О. — Технологии машинного обучения: Учебно-методическое пособие

Орешков В. И. — Интеллектуальный анализ данных: Учебное пособие

Венецкий И.Г. — Опыт применения прикладных методов математики и вычислительной техники в народном хозяйстве

Андреас Мюллер, Сара Гридо — Введение в машинное обучение с помощью Python

Бернгардт О.И. — Введение в Большие Данные и методы машинного обучения. Часть I : Классические методы и базовые алгоритмы

Айвазян С.А., Бухтштабер В.М., Енюков И.С., Мешалкин Л.Д. — Прикладная статистика: Классификация и снижение размерности

Оливер Теобальд — Машинное обучение для абсолютных новичков

Вайновский П.А., Малинин В.Н. — Методы обработки и анализа океанологической информации. Многомерный анализ

Мастицкий С.Э., Шитиков В.К. — Статистический анализ и визуализация данных с помощью R

Воронцов К.В. — Лекции по алгоритмам восстановления регрессии

Коллектив авторов — Методы обработки и анализа океанологической информации. Многомерный анализ

Шитиков В.К., Мастицкий С.Э. — Классификация, регрессия и другие алгоритмы Data Mining с использованием R

Эсбенсен К. — Анализ многомерных данных

Чайковская И.Н., Мамонова Л.И., Микова С.В., Кирколуп М.А., Сафин Е.В. — Эконометрика. Часть I: Программа, методические указания, расчетно-графические работы для студентов экономических специальностей очной формы обучения

Гаибова Т.В., Шумилина Н.А. — Статистические методы системного анализа: Методические указания к лабораторному практикуму

Макс Кун, Кьелл Джонсон — Предиктивное моделирование на практике

Франсуа Шолле, Эрик Нильсон, Стэн Байлесчи, Шэнкуинг Цэй — JavaScript для глубокого обучения: TensorFlow.js

Андрей Бурков — Машинное обучение без лишних слов

Араки Масахиро (автор), Ватари Макана (худ.) — Занимательное машинное обучение: манга

Т. А. Щучка, Л. Н. Александрова, Н. А. Гнездилова ; Министерство науки и высшего образования Российской Федерации, Федеральное государственное бюджетное образовательное учреждение высшего образования "Елецкий государственный университет им. И. А. Бунина" — Информационные технологии в науке и образовании. Обработка экспериментальных данных с использованием ИКТ: учебное пособие

Айвазян, Бухштабер, Енюков, Мешалкин. — Прикладная статистика. Классификация и снижение размерности

Нишант Шакла — Машинное обучение и TensorFlow

Брайан Макмахан, Делип Рао — Знакомство с PyTorch: глубокое обучение при обработке естественного языка

Андрей Бурков — Машинное обучение без лишних слов

Франсуа Шолле, Эрик Нильсон, Стэн Байлесчи, Шэнкуинг Цэй — JavaScript для глубокого обучения: TensorFlow.js

Франсуа Шолле — Глубокое обучение на Python. 2-е межд. издание

Эли Стивенс, Лука Антига, Томас Виман — PyTorch. Освещая глубокое обучение

Сапрыкин О. Н. — Статистический анализ рисков в системах комплексной безопасности

Istilah utama

признаков

обучения

регрессии

значения

линейной

значений

компонент

классификации

регрессия

машинного

количество

обучение

признаки

размерности

линейная

параметров

регуляризации

предсказания

расстояние

расстояния

использовать

кластеров

кластеризации

собственные

алгоритм

датафрейма