Книга: Коэльо Луис Педро, Ричарт Вилли «Построение систем машинного обучения на языке Python. Руководство»

Построение систем машинного обучения на языке Python. Руководство

Производитель: "ДМК Пресс"

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 простомпримере. 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` мыприменим методы классификации к обработке изображений, выделяя признаки из данных. Мы также увидим, как с помощью этих методов можно находить похожие изображенияв 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.

Издательство: "ДМК Пресс" (2016)

Формат: 60x90/16, 302 стр.

ISBN: 978-5-97060-330-7

Купить за 1363 грн (только Украина) в

Другие книги автора:

КнигаОписаниеГодЦенаТип книги
Построение систем машинного обучения на языке PythonКнига 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… — ДМК-Пресс, Подробнее...20161285бумажная книга

См. также в других словарях:

  • ДРАКОН — Эта статья предлагается к удалению. Пояснение причин и соответствующее обсуждение вы можете найти на странице Википедия:К удалению/28 сентября 2012. Пока процесс обсуждения не завершён, статью мож …   Википедия

  • Кашкаров, Андрей Петрович — Значимость предмета статьи поставлена под сомнение. Пожалуйста, покажите в статье значимость её предмета, добавив в неё доказательства значимости по частным критериям значимости или, в случае если частные критерии значимости для… …   Википедия

  • ДРАКОН (алгоритмический язык) — У этого термина существуют и другие значения, см. Дракон (значения). Пример блок схемы алгоритма на языке ДРАКОН  дракон схемы ДРАКОН (Дружелюбный Русский Алгоритмический язык, Который Обеспечивает Наглядность)  визуальный… …   Википедия

  • MATLAB — Логотип Тип Программы математического моделирования Разработчик …   Википедия

  • Информационная безопасность — Эту статью следует викифицировать. Пожалуйста, оформите её согласно правилам оформления статей …   Википедия

  • Ruby — Класс языка: мультипарадигмальный: динамический, объектно ориентиров …   Википедия

  • Руби IDE — Ruby Семантика: мультипарадигмальный Тип исполнения: интерпретатор Появился в: 1995 г. Автор(ы): Юкихиро Мацумото Последняя версия: 1.9.1 …   Википедия

  • Рубин (язык программирования) — Ruby Семантика: мультипарадигмальный Тип исполнения: интерпретатор Появился в: 1995 г. Автор(ы): Юкихиро Мацумото Последняя версия: 1.9.1 …   Википедия

  • Язык программирования Рубин — Ruby Семантика: мультипарадигмальный Тип исполнения: интерпретатор Появился в: 1995 г. Автор(ы): Юкихиро Мацумото Последняя версия: 1.9.1 …   Википедия

  • Mathematica — Тип Сист …   Википедия

  • Синхронная Технология — Тип САПР, Технологии Разработчик Siemens PLM Software Операционная система Windows XP/Vista Последняя версия NX6, CAM Express, Solid Edge с Синхронной Технологией 2 …   Википедия


Поделиться ссылкой на выделенное

Прямая ссылка:
Нажмите правой клавишей мыши и выберите «Копировать ссылку»