проектирование систем машинного обучения
Машинное обучение - один из самых быстро развивающихся разделов информатики, с приложениями в самых разных областях. Цель этой книги - познакомить читателя с фундаментальными принципами машинного обучения и характерными для него алгоритмическими парадигмами. Книга содержит обширный свод основополагающих теоретических идей машинного обучения и математические выкладки, благодаря которым эти идеи становятся практическими алгоритмами. Вслед за изложением базовых основ дисциплины рассматривается широкий спектр тем, не нашедших достаточного отражения в предшествующих учебниках: вычислительная сложность обучения, понятия выпуклости и устойчивости, важные алгоритмы, включая стохастический градиентный спуск, нейронные сети и обучение структурированному выводу, а также совсем недавние теоретические концепции, например, PAC-байесовский подход и границы сжатия. Книга задумывалась как повышенный курс для студентов средних и старших курсов, фундаментальные основы и алгоритмы машинного обучения излагаются в форме, доступной студентам и читателям, не являющимся специалистами в области математической статистики, информатики, математики и технических дисциплин. Важнейшие алгоритмы машинного обучения. Когда необходимо машинное обучение. Вычислительная сложность обучения. Обучение нейронных сетей. Оценка максимального правдоподобия. Инструмент для извлечения информации из больших наборов данных
Разработка конвейеров машинного обучения. Автоматизация жизненных циклов модели с помощью TensorFlow
Машинное обучение с помощью Python для всех: руководство по созданию систем машинного обучения: от основ до мощных инструментов
Инновации SQL Server 2019. Использование технологий больших данных и машинного обучения
Машинный интеллект. Очерки по теории машинного обучения и искусственного интеллекта
Основы теории надежности информационных систем: Учебное пособие (ГРИФ)
