Поиск :
Личный кабинет :
Электронный каталог: Машинное обучение
Машинное обучение
Нет экз.
Электронный ресурс
Автор:
Машинное обучение : учебник
Издательство: Директ-Медиа, 2023 г.
ISBN 978-5-4499-3778-0
Автор:
Машинное обучение : учебник
Издательство: Директ-Медиа, 2023 г.
ISBN 978-5-4499-3778-0
На полку
Электронный ресурс
Машинное обучение : учебник. – Москва : Директ-Медиа, 2023. – 368 с. : ил., табл., схем., граф. – Режим доступа : https://biblioclub.ru/index.php?page=book&id=701807, https://doi.org/10.23681/701807. – Режим доступа: электронная библиотечная система «Университетская библиотека ONLINE», требуется авторизация. – На рус. яз. – ISBN 978-5-4499-3778-0.
В данном учебнике представлен обзор различных направлений машинного обучения: классическое обучение с учителем, обучение с подкреплением, ансамбли и глубокое обучение. Значительное внимание уделено методам анализа данных и обучения без учителя, включая статистические методы, ядерные методы, методы снижения размерности, поиска паттернов и правил. Рассмотрены различные виды кластеризации, бикластеризации и трикластеризации. Теоретический материал сопровождается практическими заданиями и лабораторными работами, выполнение которых предполагает использование библиотеки scikit-learn на языке Python, а также индивидуальными домашними заданиями.
004.85(075)
основной = ЭБС Университетская библиотека
Машинное обучение : учебник. – Москва : Директ-Медиа, 2023. – 368 с. : ил., табл., схем., граф. – Режим доступа : https://biblioclub.ru/index.php?page=book&id=701807, https://doi.org/10.23681/701807. – Режим доступа: электронная библиотечная система «Университетская библиотека ONLINE», требуется авторизация. – На рус. яз. – ISBN 978-5-4499-3778-0.
В данном учебнике представлен обзор различных направлений машинного обучения: классическое обучение с учителем, обучение с подкреплением, ансамбли и глубокое обучение. Значительное внимание уделено методам анализа данных и обучения без учителя, включая статистические методы, ядерные методы, методы снижения размерности, поиска паттернов и правил. Рассмотрены различные виды кластеризации, бикластеризации и трикластеризации. Теоретический материал сопровождается практическими заданиями и лабораторными работами, выполнение которых предполагает использование библиотеки scikit-learn на языке Python, а также индивидуальными домашними заданиями.
004.85(075)
основной = ЭБС Университетская библиотека