Поиск :
Личный кабинет :
Электронный каталог: Звездичев, Г. Ю. - Введение в машинное обучение
Звездичев, Г. Ю. - Введение в машинное обучение

Нет экз.
Электронный ресурс
Автор: Звездичев, Г. Ю.
Введение в машинное обучение : учебное пособие для вузов
Издательство: Лань, 2027 г.
ISBN 978-5-507-56745-4
Автор: Звездичев, Г. Ю.
Введение в машинное обучение : учебное пособие для вузов
Издательство: Лань, 2027 г.
ISBN 978-5-507-56745-4
Электронный ресурс
Звездичев, Г. Ю.
Введение в машинное обучение [Электронный ресурс] : учебное пособие для вузов. – Санкт-Петербург : Лань, 2027. – 132 с. – Режим доступа : https://e.lanbook.com/book/530494, https://e.lanbook.com/img/cover/book/530494.jpg. – Книга из коллекции Лань - Информатика. – На рус. яз. – ISBN 978-5-507-56745-4.
Данное учебное пособие — практический проводник в мир машинного обучения, адаптированный для студентов направлений «Бизнес-информатика» и «Менеджмент». Книга ориентирована на будущих аналитиков и управленцев, которым важно понимать логику алгоритмов для принятия стратегических решений. В пособии разобраны методы классификации, прогнозирования и кластеризации на примерах из сферы бизнеса и маркетинга. Материалы, представленные в произведении, научат работать с данными в Python, помогут освоить библиотеки Scikit-learn и понять, как превращать «сырые» цифры в ценные инсайты без избыточной математики.
004.85
основной = ЭБС Лань
Звездичев, Г. Ю.
Введение в машинное обучение [Электронный ресурс] : учебное пособие для вузов. – Санкт-Петербург : Лань, 2027. – 132 с. – Режим доступа : https://e.lanbook.com/book/530494, https://e.lanbook.com/img/cover/book/530494.jpg. – Книга из коллекции Лань - Информатика. – На рус. яз. – ISBN 978-5-507-56745-4.
Данное учебное пособие — практический проводник в мир машинного обучения, адаптированный для студентов направлений «Бизнес-информатика» и «Менеджмент». Книга ориентирована на будущих аналитиков и управленцев, которым важно понимать логику алгоритмов для принятия стратегических решений. В пособии разобраны методы классификации, прогнозирования и кластеризации на примерах из сферы бизнеса и маркетинга. Материалы, представленные в произведении, научат работать с данными в Python, помогут освоить библиотеки Scikit-learn и понять, как превращать «сырые» цифры в ценные инсайты без избыточной математики.
004.85
основной = ЭБС Лань
На полку