Описание [Майкл Абель, Гвендолин Стриплинг] Машинное обучение с малым объемом кодирования (2025):
В этой книге подробно описаны три вида машинного обучения, которые ориентированы на решение конкретных задач:
1. AutoML — автоматизированное обучение без необходимости написания кода.
2. BigQuery ML — обучение с использованием BigQuery и минимальным объёмом кода.
3. Пользовательский код на основе библиотек scikit-learn и Keras.
Для понимания материала не требуется глубоких знаний в области машинного обучения или программирования, но базовые навыки в этих областях будут полезны.
В книге подробно описаны специализированные библиотеки, фреймворки машинного обучения, репозиторий GitHub и другие инструменты, которые используются в процессе обучения.
В каждом разделе ключевые концепции машинного обучения рассматриваются на примерах реальных наборов данных и задач.
Вы узнаете, как:
— различать структурированные и неструктурированные данные;
— визуализировать и анализировать данные;
— предварительно обрабатывать данные для обучения модели машинного обучения;
— сравнивать различные типы моделей машинного обучения и их архитектуры;
— проектировать, внедрять и настраивать модели машинного обучения;
— экспортировать данные в репозиторий GitHub для хранения и управления ими.
Формат книги — PDF.
Подробнее:
Скачать курс [Майкл Абель, Гвендолин Стриплинг] Машинное обучение с малым объемом кодирования (2025):
Для просмотра содержимого вам необходимо авторизоваться
Последнее редактирование модератором:
