КулЛиб - Классная библиотека! Скачать книги бесплатно
Всего книг - 807531 томов
Объем библиотеки - 2154 Гб.
Всего авторов - 304972
Пользователей - 130507

Новое на форуме

Впечатления

Морпех про Стаут: Черные орхидеи (Детектив)

Замечания к предыдущей версии:

Рейтинг: 0 ( 0 за, 0 против)
yan.litt про Зубов: Последний попаданец (Боевая фантастика)

Прочитал 4.5 книги общее впечатление на четверку.
ГГ - ивалид, который при операции попал в новый мир, где есть система и прокачка. Ну попал он и фиг с ним - с кем не бывает. В общем попал он и давай осваиваться. Нашел себе учителя, который ему все показал и рассказал, сводил в проклятое место и прокачал малек. Ну а потом, учителя убивают и наш херой отправился в самостоятельноя плавание
Плюсы
1. Сюжет довольно динамический, постоянно

  подробнее ...

Рейтинг: +2 ( 2 за, 0 против)
iwanwed про Корнеев: Врач из будущего (Альтернативная история)

Жуткая антисоветчина! А как известно, поскреби получше любого антисоветчика - получишь русофоба.

Рейтинг: 0 ( 2 за, 2 против)
Serg55 про Воронков: Артефактор (Попаданцы)

как то обидно, ладно не хочет сувать кому попало, но обидеть женщину - не дать сделатть минет?

Рейтинг: +1 ( 1 за, 0 против)
чтун про Мельников: RealRPG. Системный опер 3 (Попаданцы)

"Вишенкой на "торт" :
Системный системщик XD

Рейтинг: +1 ( 2 за, 1 против)

Машинное обучение с использование Python [Кайл Галлатин] (pdf)


Кайл Галлатин   Крис Элбон  

Python   Искусственный интеллект  

 Машинное обучение с использование Python  [2-е издание, переработанное и дополненное] 30.91 Мб
скачать:- (pdf) - (pdf+fbd)  читать: (полностью) - (постранично)
издано в 2024 г.  (post) (иллюстрации)
Машинное обучение с использование Python (pdf)Добавлена: 30.08.2024 Версия: 1.019
Переведена с английского (en)
ISBN: 978-5-389-15068-3 ББК: 32.988.02-018 УДК: 004.4 236
Издательство: Алист
Город: Астана
Поделиться:
  (ссылка для форума)     (ссылка для блога)     (QR-код книги)  

Аннотация

Книга содержит около 200 задач машинного обучения, таких как загрузка и обработка текстовых или числовых данных, отбор модели и многие другие. Рассмотрена работа с языком Python, библиотеками pandas и scikit-leam. Коды примеров можно вставлять, объединять и адаптировать, создавая собственное приложение. Приведены рецепты решений с использованием: векторов, матриц и массивов; данных из CSV, JSON, SQL, баз данных, облачных хранилищ и других источников; обработки данных, текста, изображений, дат и времени; уменьшения размерности и методов выделения или отбора признаков; оценивания и отбора моделей; линейной и логистической регрессии, деревьев, лесов и к ближайших соседей; опорно-векторных машин (SVM), наивных байесовых классификаторов, кластеризации и нейронных сетей; сохранения и загрузки натренированных моделей.
Во втором издании все примеры обновлены, рассмотрены задачи и фреймворки глубокого обучения, расширены разделы с тензорами, нейронными сетями и библиотекой глубокого обучения PyTorch.
Для разработчиков систем машинного обучения


Рекомендации:

эту книгу рекомендовали 0 пользователей.
Прежде чем рекомендовать книгу, хорошо подумайте. Рекомендация - это высшая оценка, которую вы можете выставить книге. 10 по 5-балльной шкале.