Теория и практика машинного обучения учебное пособие

Bibliographic Details
Main Author:	Воронина В. В.
Summary:	Учебное пособие рассматривает вопросы, связанные с анализом данных: модели, алгоритмы, методы и их реализацию на языке Python. Особое внимание уделено анализу временных рядов. Книга предназначена для студентов группы направлений 09, а также для студентов других групп направлений, изучающих дисциплины, связанные с разработкой приложений в области анализа данных, в том числе TimeSeriesDataMinig и DataMining. Книга из коллекции УлГТУ - Информатика
Published:	Ульяновск, УлГТУ, 2017
Subjects:	машинного обучения пространство признаков обучение алгоритм машинного обучения задачи машинного обучения подготовка данных учет пропусков кодирование признаков приведение данных разметка данных переобучение модели машинного обучения методы теории вероятностей деревья решений статистические модели модели нечеткой логики нечеткие множества лингвистические переменные операции нечеткой логики нечеткие системы моделирование временных рядов извлечение знаний временных рядов нечеткое сглаживание временного ряда нечеткая регрессия кластеризация объектов искусственные нейронные сети особенности нейронных сетей первая формальная модель нейронной сети многослойный персептрон сверточные сети глубокие сети карты art рекуррентные сети самоорганизующиеся карты автокодировщики импульсные сети развитие инс борьба с переобучением инс обратное распространение ошибки нечеткие нейронные сети генетические алгоритмы нечеткие системы генетическая настройка нечеткие нейронные сети генетическое проектирование генетическая оптимизация разработка приложений машинного обучения основы работы python элементарные операции данных работа dataframe работа деревья решений работа линейная регрессия сохранение загрузка обученной модели работа логистическая регрессия решение задачи ранжирования признаков работа полиномиальная регрессия простейшие модели нейронных сетей реализация алгоритма обучения нейронной сети регуляризация сеть прямого распространения работа библиотеками keras theano настройка windows получение данных keras создание обучение модели сверточной сети загрузка сохранение сложных моделей рекуррентные сети прогнозирование временных рядов контрольные вопросы тестовые задания тест общие сведения машинного обучения проблема переобучения модели методы нечеткой логики регрессия нечеткие временные ряды нечеткая кластеризация тест искусственные нейронные сети практические задания работа файл данных титаника работа отбору признаков реализация алгоритма обратного распространения ошибки сравнение эффективности моделей keras работа библиотекой opencv анализ временных рядов работа рекуррентными сетями
Online Access:	https://e.lanbook.com/book/165053 https://e.lanbook.com/img/cover/book/165053.jpg
Format:	Electronic Book

Description
Physical Description:	290 с.
Summary:	Учебное пособие рассматривает вопросы, связанные с анализом данных: модели, алгоритмы, методы и их реализацию на языке Python. Особое внимание уделено анализу временных рядов. Книга предназначена для студентов группы направлений 09, а также для студентов других групп направлений, изучающих дисциплины, связанные с разработкой приложений в области анализа данных, в том числе TimeSeriesDataMinig и DataMining. Книга из коллекции УлГТУ - Информатика
ISBN:	978-5-9795-1712-4

Теория и практика машинного обучения учебное пособие

Similar Items