Гвендолин Стриплинг, Майкл Абель. Машинное обучение с малым объемом кодирования
Практическое введение в искусственный интеллект на основе проектов
В книге подробно представлены три проблемно-ориентированных вида машинного обучения (Machine learning, ML): автоматизированное обучение AutoML без кодирования, обучение BigQuery ML с малым объемом кодирования и обучение с применением пользовательского кода на основе библиотек scikit-learn и Keras. При этом от читателя не требуется глубоких предварительных знаний в ML или программировании, но базовые навыки в этих областях будут полезны. Специализированные библиотеки, фреймворки ML, репозиторий GitHub и другие инструменты описаны по мере их необходимости.
В каждом конкретном случае ключевые концепции ML раскрыты с использованием реальных наборов данных для решения реальных задач. Рассмотрено применение AutoML для прогнозирования продаж, использование BigQuery ML для обучения линейных регрессионных моделей, обучение пользовательских МL-моделей на Python для прогнозирования оттока клиентов и ряд других популярных бизнес-кейсов.
Для студентов, начинающих МL-инженеров и аналитиков данных.
Издательство: Алист
Год: 2025
Страниц: 298
Язык: русский
Формат: pdf
Скачать книгу (44,4 МБ):
brij 22/02/25 Просмотров: 282
+1
