Поиск :
Личный кабинет :
Электронный каталог: Саратова, Т. Е. - Технологии и инструментарий машинного обучения. Часть 2: Практикум
Саратова, Т. Е. - Технологии и инструментарий машинного обучения. Часть 2: Практикум
Нет экз.
Электронный ресурс
Автор: Саратова, Т. Е.
Ч. 2: Технологии и инструментарий машинного обучения. Часть 2: Практикум
Издательство: РТУ МИРЭА, 2026 г.
ISBN 978-5-7339-2865-4
Автор: Саратова, Т. Е.
Ч. 2: Технологии и инструментарий машинного обучения. Часть 2: Практикум
Издательство: РТУ МИРЭА, 2026 г.
ISBN 978-5-7339-2865-4
На полку
Электронный ресурс
Саратова, Т. Е.
Ч. 2 : Технологии и инструментарий машинного обучения. Часть 2: Практикум. – Москва : РТУ МИРЭА, 2026. – 53 с. – Режим доступа : https://e.lanbook.com/book/523251, https://e.lanbook.com/img/cover/book/523251.jpg. – Книга из коллекции РТУ МИРЭА - Информатика. – На рус. яз. – ISBN 978-5-7339-2865-4.
Практикум включает основные методы и инструменты анализа данных и машинного обучения: рассматриваются этапы обработки и визуализации данных, построение и оценка моделей регрессии и классификации, использование ансамблей, методы кластеризации, снижения размерности и отбора признаков с применением Python и современных библиотек анализа данных. Предназначено для студентов 3-го курса квалификации бакалавр, обучающихся по направлению 09.03.03 «Прикладная информатика», 01.03.04 «Прикладная математика» и поддерживает дисциплину «Технологии и инструментарий машинного обучения», а также может быть использовано студентами других направлений подготовки для получения знаний и навыков в области информационных технологий.
004.8
основной = ЭБС Лань
Саратова, Т. Е.
Ч. 2 : Технологии и инструментарий машинного обучения. Часть 2: Практикум. – Москва : РТУ МИРЭА, 2026. – 53 с. – Режим доступа : https://e.lanbook.com/book/523251, https://e.lanbook.com/img/cover/book/523251.jpg. – Книга из коллекции РТУ МИРЭА - Информатика. – На рус. яз. – ISBN 978-5-7339-2865-4.
Практикум включает основные методы и инструменты анализа данных и машинного обучения: рассматриваются этапы обработки и визуализации данных, построение и оценка моделей регрессии и классификации, использование ансамблей, методы кластеризации, снижения размерности и отбора признаков с применением Python и современных библиотек анализа данных. Предназначено для студентов 3-го курса квалификации бакалавр, обучающихся по направлению 09.03.03 «Прикладная информатика», 01.03.04 «Прикладная математика» и поддерживает дисциплину «Технологии и инструментарий машинного обучения», а также может быть использовано студентами других направлений подготовки для получения знаний и навыков в области информационных технологий.
004.8
основной = ЭБС Лань