Лука Массарон, Марк Райан | Машинное обучение на табличных данных. XGBoost, глубокое обучение и ИИ (2026) [PDF] -Автор: Лука Массарон, Марк Райан Перевод: Н. Богач Издательство: Питер Серия: Библиотека программиста ISBN: 978-5-4461-4391-7 Жанр: Информатика и вычислительная техника, Искусственный интеллект, Машинное обучение, Нейронные сети, Прикладная информатика Формат: PDF Качество: Изначально электронное (ebook) Иллюстрации: Черно-белые Описание: Машинное обучение может ускорить выполнение повседневных бизнес-задач, таких как сверка счетов, прогнозирование спроса или автоматизация обслуживания клиентов, не говоря уже о более сложных задачах, например выявление мошенничества, прогнозное техническое обслуживание и персонализированный маркетинг. Извлекайте важную информацию из электронных таблиц, реестров, баз данных и других источников, используя градиентный бустинг, глубокое обучение и генеративный ИИ. «Машинное обучение на табличных данных» описывает практические методы машинного обучения для модернизации каждого этапа анализа бизнес-данных. Вас ждут примеры использования XGBoost и Keras для прогнозирования цен на краткосрочную аренду недвижимости, развертывание локальной модели машинного обучения с помощью Python и Flask и оптимизация рабочих процессов с использованием больших языковых моделей (LLM). Научитесь делать свои модели более мощными и интерпретируемыми.
"Дополнительная информация:"
Оглавление Часть 1 Понятие о машинном обучении для табличных данных Глава 1. Табличные данные............................................................................... 32 Глава 2. Табличные датасеты............................................................................. 45 Глава 3. Машинное и глубокое обучение............................................................. 99 Часть 2 Машинное обучение и градиентный бустинг для табличных данных Глава 4. Классические алгоритмы для табличных данных.....................................130 Глава 5. Деревья решений и градиентный бустинг................................................178 Глава 6. Продвинутые методы обработки признаков.............................................245 Глава 7. Полный пример применения XGBoost......................................................302 Часть 3 Глава 8. С чего начать?......................................................................................365 Глава 9. Лучшие практики глубокого обучения.....................................................395 6 Краткое содержание Глава 10. Развертывание модели.........................................................................431 Глава 11. Пайплайн машинного обучения.............................................................473 Глава 12. Комбинация градиентного бустинга и глубокого обучения.......................524 Приложение А. Гиперпараметры для классических моделей машинного обучения...........................................................................................543 Приложение Б. Методы k ближайших соседей и опорных векторов..........................547
Курс Лука Массарон, Марк Райан - Машинное обучение на табличных данных. XGBoost, глубокое обучение и ИИ (2026)
Текущее время: Сегодня 04:50
Часовой пояс: GMT + 4
Вы не можете начинать темы Вы не можете отвечать на сообщения Вы не можете редактировать свои сообщения Вы не можете удалять свои сообщения Вы не можете голосовать в опросах Вы не можете прикреплять файлы к сообщениям Вы не можете скачивать файлы