Поиск книг по лучшей цене!

Актуальная информация о наличии книг в крупных интернет-магазинах и сравнение цен.


  • Дж. Вандер Плас. Python для сложных задач. Наука о данных и машинное обучение
    Python для сложных задач. Наука о данных и машинное обучение
    Дж. Вандер Плас
    Книга "Python Data Science Handbook" - это подробное руководство по самым разным вычислительным и статистическим методам, без которых немыслима любая интенсивная обработка данных, научные исследования и передовые разработки. Читатели, уже имеющие опыт программирования и желающие эффективно использовать Python в сфере Data Science, найдут в этой книге ответы на всевозможные вопросы, например: 1) как мне считать этот формат данных в мой скрипт? 2) Как преобразовать, очистить эти данные и манипулировать ими? 3) Как визуализировать данные такого типа? Как при помощи этих данных разобраться в ситуации, получить ответы на вопросы, построить статистические модели или реализовать машинное обучение?
  • Себастьян Рашка. Python и машинное обучение
    Python и машинное обучение
    Себастьян Рашка
    Книга предоставит вам доступ в мир прогнозной аналитики и продемонстрирует, почему Python является одним из лидирующих языков науки о данных. Охватывая широкий круг мощных библиотек Python, в том числе scikit-learn, Theano и Keras, предлагая руководство и советы по всем вопросам, начиная с анализа мнений и заканчивая нейронными сетями, книга ответит на большинство ваших вопросов по машинному обучению.Издание предназначено для специалистов по анализу данных, находящихся в поисках более широкого и практического понимания принципов машинного обучения.
  • Андреас Мюллер, Сара Гвидо. Введение в машинное обучение с помощью Python. Руководство для специалистов по работе с данными
    Введение в машинное обучение с помощью Python. Руководство для специалистов по работе с данными
    Андреас Мюллер, Сара Гвидо
    Эта полноцветная книга - отличный источник информации для каждого, кто собирается использовать машинное обучение на практике. Ныне машинное обучение стало неотъемлемой частью различных коммерческих и исследовательских проектов, и не следует думать, что эта область - прерогатива исключительно крупных компаний с мощными командами аналитиков. Эта книга научит вас практическим способам построения систем МО, даже если вы еще новичок в этой области. В ней подробно объясняются все этапы, необходимые для создания успешного проекта машинного обучения, с использованием языка Python и библиотек scikit-learn, NumPy и matplotlib. Авторы сосредоточили свое внимание исключительно на практических аспектах применения алгоритмов машинного обучения, оставив за рамками книги их математическое обоснование. Данная книга адресована специалистам, решающим реальные задачи, а поскольку область применения методов МО практически безгранична, прочитав эту книгу, вы сможете собственными силами построить действующую систему машинного обучения в любой научной или коммерческой сфере.
  • Г. Джеймс, Д. Уиттон, Т. Хасти, Р. Тибширани. Введение в статистическое обучение с примерами на языке R
    Введение в статистическое обучение с примерами на языке R
    Г. Джеймс, Д. Уиттон, Т. Хасти, Р. Тибширани
    Книга представляет собой доступно изложенное введение в статистическое обучение - незаменимый набор инструментов, позволяющих извлечь полезную информацию из больших и сложных наборов данных, которые начали возникать в последние 20 лет в таких областях, как биология, экономика, маркетинг, физика и др. В этой книге описаны одни из наиболее важных методов моделирования и прогнозирования, а также примеры их практического применения. Рассмотренные темы включают линейную регрессию, классификацию, создание повторных выборок, регуляризацию, деревья решений, машины опорных векторов, кластеризацию и др. Описание этих методов сопровождается многочисленными иллюстрациями и практическими примерами. Поскольку цель этого учебника заключается в продвижении методов статистического обучения среди практикующих академических исследователей и промышленных аналитиков, каждая глава включает примеры практической реализации соответствующих методов с помощью R - чрезвычайно популярной среды статистических вычислений с открытым кодом.Издание рассчитано на неспециалистов, которые хотели бы применять современные методы статистического обучения для анализа своих данных. Предполагается, что читатели ранее прослушали лишь курс по линейной регрессии и не обладают знаниями матричной алгебры.
  • Ш. Бастиан. Крупномасштабное машинное обучение вместе с Python
    Крупномасштабное машинное обучение вместе с Python
    Ш. Бастиан
    С распространением больших данных растет спрос на вычислительную и алгоритмическую эффективность. Главная задача настоящей книги состоит в том, чтобы предоставить способы применения мощных методов машинного обучения с открытым исходным кодом в крупномасштабных проектах без привлечения дорогостоящих корпоративных решений или больших вычислительных кластеров. Описаны масштабируемое обучение в Scikit-learn, нейронные сети и глубокое обучение с использованием Theano, H2O и TensorFlow. Рассмотрены классификационные и регрессионные деревья, а также обучение без учителя. Охвачены эффективные методы машинного обучения в вычислительной среде MapReduce на платформах Hadoop и Spark на языке Python.С этой книгой вы научитесь:• применять большинство масштабируемых алгоритмов машинного обучения;• работать с новейшими крупномасштабными методами машинного обучения;• увеличивать прогнозную точность при помощи методов глубокого обучения и масштабируемых методов обработки данных;• работать с вычислительной парадигмой Map-Reduce в платформе Spark;• применять эффективные алгоритмы машинного обучения на основе платформ Spark и Hadoop;• создавать мощные ансамбли в крупном масштабе;• использовать потоки данных для обучения линейных и нелинейных прогнозных моделей на чрезвычайно больших наборах данных, используя всего одну машину.
  • Д. Кук. Машинное обучение с использованием библиотеки Н2О
    Машинное обучение с использованием библиотеки Н2О
    Д. Кук
    Н20 - простая в использовании и открытая библиотека, которая поддерживает большое количество операционных систем и языков программирования, а также масштабируется для обработки больших данных. Эта книга научит вас использовать алгоритмы машинного обучения, реализованные в Н2О, с упором на наиболее важные для продуктивной работы аспекты. Рассмотрены глубокое обучение, случайный лес, обучение на не размеченных данных и ансамбли моделей.В российское издание добавлены дополнительно два приложения, описывающих новейшие модули Н2О - Deep Water и Stacked Ensemble.Издание предназначено для специалистов по анализу данных, желающих изучить и применять на практике относительно новый, но многообещающий инструмент - библиотеку Н2О.
  • Пестрякова Н.В.. Метод распознавания символов, основанный на полиномиальной регрессии
    Метод распознавания символов, основанный на полиномиальной регрессии
    Пестрякова Н.В.
    Целью настоящего издания является обобщение результатов, полученных автором в области распознавания печатных и рукопечатных символов начиная с 1999 г. и опубликованных в открытой печати в серии статей. В монографии излагаются теоретические основы и аспекты практического применения разработанного автором метода распознавания, описываются характеристики качества программной реализации метода, производится сопоставление с характеристиками известных алгоритмов распознавания. Описаны предложенные автором подходы к изучению свойств оценки распознавания и исследованию качества распознавания в зависимости от степени различия баз обучения и распознавания. Читателю предлагается по-новому взглянуть на проблему распознавания, ознакомиться с полученными в ходе численных экспериментов результатами и их трактовкой. Книга содержит большой объем фактического материала, оформленного в виде графиков, диаграмм и таблиц.
  • Прикладная и компьютерная лингвистика
    Прикладная и компьютерная лингвистика
    Вниманию читателей предлагается первое на русском языке практическое введение в современные лингвистические технологии. Из книги можно узнать о применении знаний о языке для решения прикладных задач. Монография позволяет найти ответы на базовые вопросы, возникающие у начинающего исследователя: как работают современные лингвистические технологии, где взять основные компоненты программ и что читать дальше для углубленного понимания.Многие сложные научно-технические проблемы станут намного понятнее. Например, как заставить компьютер прочитать текст для слабовидящего человека. Или как сделать автоматический переводчик, чтобы договориться с торговцем на рынке в глухой провинции Китая. Или даже - как научить смартфон давать рекомендации, на какой фильм пригласить подругу.Книга предназначена для преподавателей и студентов, для разработчиков программ по компьютерной обработке языка, для всех интересующихся многогранными возможностями современной прикладной лингвистики.
  • С. В. Малов. Регрессионный анализ. Теоретические основы и практические рекомендации
    Регрессионный анализ. Теоретические основы и практические рекомендации
    С. В. Малов
    В книге рассматриваются классическая теория и современные результаты в обла­сти регрессионного анализа - одного из важнейших направлений анализа статистических данных. Автором детально изложены основы регрессионного и дисперсионного анализа в предположении нормальности наблюдений, методики выбора статистических гипотез и подбора оптимальной модели с использованием информационных критериев. Уделяется внимание неполным классификациям дисперсионного анализа и моделям с рандомизацией. Рассмотрены вопросы теории и практики регрессионного анализа в обобщенных линейных моделях при анализе таблиц сопряженности и коротких временных рядов ("лонгитьюдных данных"). Предложены методы реализации численного анализа с использованием свобод­ного программного обеспечения R. Книга рассчитана на научных работников математических специальностей, занима­ющихся статистическим анализом данных, но может быть интересна и специалистам ме­дицинских, биологических и технических направлений. Может быть рекомендована в ка­честве учебного пособия студентам и аспирантам соответствующих специальностей.

© 2017 books.iqbuy.ru