|
|
|
|
| LEADER |
00000nam0a2200000 4500 |
| 001 |
679727 |
| 005 |
20250506164744.0 |
| 010 |
|
|
|a 978-5-406-14728-3
|
| 090 |
|
|
|a 679727
|
| 100 |
|
|
|a 20250416d2025 m||y0rusy50 ca
|
| 101 |
0 |
|
|a rus
|
| 102 |
|
|
|a RU
|
| 105 |
|
|
|a a j 001yy
|
| 181 |
|
0 |
|a i
|b e
|
| 182 |
|
0 |
|a n
|
| 183 |
|
0 |
|a nc
|2 RDAcarrier
|
| 200 |
1 |
|
|a Основы машинного обучения на Python
|e учебник
|f М. В. Коротеев
|
| 203 |
|
|
|a Текст
|b визуальный
|c непосредственный
|
| 210 |
|
|
|a Москва
|c Кнорус
|d 2025
|
| 215 |
|
|
|a 431 с.
|c ил.
|
| 225 |
1 |
|
|a Бакалавриат
|
| 283 |
|
|
|a volume
|2 RDAcarrier
|
| 320 |
|
|
|a Список рекомендуемой литературы: с. 430-431
|
| 330 |
|
|
|a Рассматриваются различные типы задач машинного обучения, включая обучение с учителем, диагностику моделей и методы предварительного анализа данных. Базовые понятия объясняются доступным языком и содержат множество примеров из реального мира. Подробно рассказано о техниках машинного обучения, включая линейную регрессию, деревья решений, метод опорных векторов, а также другие классические модели. Читатели узнают, как выбирать параметры для моделей, оценивать их производительность и настроить их для использования в реальных приложениях. Включает в себя обзор популярных библиотек Python, используемых для разработки машинного обучения. Соответствует ФГОС ВО последнего поколения.
|
| 606 |
1 |
|
|a Машинное обучение
|9 86729
|
| 610 |
1 |
|
|a искусственный интеллект
|
| 610 |
1 |
|
|a Python
|
| 610 |
1 |
|
|a линейные регрессии
|
| 610 |
1 |
|
|a методы обучения
|
| 610 |
1 |
|
|a обработка данных
|
| 610 |
1 |
|
|a метрики эффективности
|
| 610 |
1 |
|
|a регрессии
|
| 610 |
1 |
|
|a учебники
|
| 675 |
|
|
|a 004.85(075.8)
|v 4
|
| 700 |
|
1 |
|a Коротеев
|b М. В.
|g Михаил Викторович
|
| 801 |
|
0 |
|a RU
|b 63413507
|c 20250415
|
| 850 |
|
|
|a 63413507
|
| 942 |
|
|
|c BK
|
