Машинное обучение. Конструирование признаков. Принципы и техники для аналитиков (Элис Чжен, Аманда Казари)
Авторы этой книги - специалист по машинному обучению Amazon Элис Чжен и аналитик инновационной IT компании Concur Labs Аманда Казари. Конструирование признаков - это извлечение признаков из сырых необработанных данных и приведение их к формату, пригодному для обработки моделью машинного обучения. Это один из самых важных процессов в машинном обучении и одновременно один из самых сложных, ведь разнообразие моделей и данных не позволяет выделить общую тактику конструирования. И, тем не менее, авторам книги это удалось - здесь сформулированы более глубокие принципы работы с данными, проиллюстрированные конкретными примерами. В каждой главе описывается решение тех или иных задач: как представить текстовые данные или изображения, как понизить размерность автоматически сгенерированных признаков и т.д. В последней же главе все примеры объединяются в единую концепцию конструирования признаков в машинном обучении. Все примеры кода приведены на языке Python с использованием таких модулей, как NumPy, Pandas, Scikit-learn, Matplotlib, и выложены в репозитарии авторов на GitHub.
Формат: PDF.
Дата написания: 2022 год.
ISBN: 9785041032920.
Объем: 240 стр.
Серия: Мировой компьютерный бестселлер.
Скрытый текст. Доступен только зарегистрированным пользователям.Нажмите, чтобы раскрыть...
Новые складчины | страница 15
Категории
Страница 15 из 34

![[IMG]](proxy14p.php?image=https%3A%2F%2Fi.postimg.cc%2FG2W83mys%2Fimage.webp&hash=4b06f08ac1740ff12f5dae1db069f61d&v=4)
![[IMG]](proxy14p.php?image=https%3A%2F%2Fi.postimg.cc%2FcLHLRhDx%2FScikit-Learn-Keras-Tensor-Flow.webp&hash=0a876eba9edc135185838fa24861b078&v=4)
![[IMG]](proxy14p.php?image=https%3A%2F%2Fi.postimg.cc%2F25WN813V%2Fimage.webp&hash=50ea345d09a7a88fb0d61c6609f1811b&v=4)
![[IMG]](proxy14p.php?image=https%3A%2F%2Fi.postimg.cc%2FMKrsCcnj%2Fimage.jpg&hash=64de99f75b42808dd9eafc6407007833&v=4)
![[IMG]](proxy14p.php?image=https%3A%2F%2Fi.postimg.cc%2Fxd8H3BFM%2FThe-Staff-Engineer-s-Path-Tanya-Reilly.jpg&hash=80d0572184cc598db2653fc46047fb07&v=4)
![[IMG]](proxy14p.php?image=https%3A%2F%2Fi.postimg.cc%2F7LyqY41N%2FProgramming-C-10-Ian-Griffiths.jpg&hash=916d386885ad82eb21753e4d0288cbfc&v=4)
![[IMG]](proxy14p.php?image=https%3A%2F%2Fi.postimg.cc%2FrwDk9mjj%2FLearning-Microsoft-Power-BI-Jeremey-Arnold.jpg&hash=dba9d81266f0d89a848c7403fe9b2599&v=4)
![[IMG]](proxy14p.php?image=https%3A%2F%2Fi.postimg.cc%2Fd08rLJbQ%2FGenerative-Deep-Learning-David-Foster.jpg&hash=3fdee43594cc47cf6c0f3614c7ec6c59&v=4)
![[IMG]](proxy14p.php?image=https%3A%2F%2Fi.postimg.cc%2F28R8Jv9V%2FPracticing-Trustworthy-Machine-Learning-Consistent-Transparent-and-Fair-AI-Pipelines-1st-Edition.jpg&hash=a0ba9047dce278bdbfc782ce842554fd&v=4)
![[IMG]](proxy14p.php?image=https%3A%2F%2Fi.postimg.cc%2FVkbZ2Q39%2FApplied-Machine-Learning-and-AI-for-Engineers-Solve-Business-Problems-That-Can-t-Be-Solved-Algorithm.jpg&hash=6571471dbcf2c35c1704b39f43d747cb&v=4)
![[IMG]](proxy14p.php?image=https%3A%2F%2Fi.postimg.cc%2FpL5W6pVs%2FHands-On-Graph-Neural-Networks-Using-Python-Maxime-Labonne.jpg&hash=a51bda7fe227ad9659a3d9ec5d75b193&v=4)
![[IMG]](proxy14p.php?image=https%3A%2F%2Fi.postimg.cc%2FfLGDHqvc%2F4.webp&hash=e9ef4498647045f1054bde0817583bcb&v=4)
![[IMG]](proxy14p.php?image=https%3A%2F%2Fi.postimg.cc%2FXJ1JNvL8%2FChat-GPT.webp&hash=087f70b56d0142220c626cee45b6e877&v=4)