Mr. Cat
Администратор
- 01.01.22
- 51.449
- 83.807
Другие курсы от автора:
[via_photo] Тело мечты (Алина Васильева, Анастасия Волкова)
[Татьяна Дудина] Йогатерапия при опущении органов малого таза. Базовые...
[Лиза Сафо] Прогностика. Тариф 1+2 модуль [Astrosafo]
[Два-ТриТона] Анна Иванова - Преподаватель живописи для детей. Тариф Обучаю...
[Ольга Чебыкина] Расцветай. Все мастер-классы сразу [Школа интервью...
[Елена Силка] Мастер группа. Тариф Теоретический. Поток 7.0 (2024)
Доп. материалы к курсу «Профессиональный английский язык. Уровень 2 (CEFR...
[Татьяна Дудина] Йогатерапия при опущении органов малого таза. Базовые...
[Лиза Сафо] Прогностика. Тариф 1+2 модуль [Astrosafo]
[Два-ТриТона] Анна Иванова - Преподаватель живописи для детей. Тариф Обучаю...
[Ольга Чебыкина] Расцветай. Все мастер-классы сразу [Школа интервью...
[Елена Силка] Мастер группа. Тариф Теоретический. Поток 7.0 (2024)
Доп. материалы к курсу «Профессиональный английский язык. Уровень 2 (CEFR...
Название: Машинное обучение с использованием библиотеки Н2О
Автор: Кук Даррен
Машинное обучение наконец-то достигло стадии зрелости. При помощи программного обеспечения H2O вы можете решать задачи машинного обучения и анализа данных с использованием простого в использовании и открытого (open source) фреймворка, который поддерживает большое количество операционный систем и языков программирования, а также масштабируется для обработки больших данных. Это практическое руководство научит вас использовать алгоритмы машинного обучения, реализованные в H2O, с упором на наиболее важные для продуктивной работы аспекты.
Если вы умеете программировать на R или Python, хотя бы немного знаете статистику и имеете опыт обработки данных, эта книга Даррена Кука познакомит вас с основами использования H2O и поможет вам поэкспериментировать с машинным обучением на наборах данных разного размера. Вы изучите несколько современных алгоритмов машинного обучения: глубокое обучение, «случайный лес», обучение на неразмеченных данных и ансамбли моделей.
Прочтя эту книгу, вы:
• узнаете, как импортировать данные в H2O, преобразовывать их и экспортировать их из H2O;
• изучите основные концепции машинного обучения, такие как перекрестная проверка и проверочные наборы данных;
• поработаете с тремя разными наборами данных, решая задачи регрессии, бинарной и многоклассовой классификации;
• используете H2O для анализа каждого набора данных при помощи четырех алгоритмов машинного обучения;
• поймете, как работает кластерный анализ и другие алгоритмы обучения на неразмеченных данных.
Понимание процесса построения моделей, тупиковых ситуаций и заканчивающихся провалом экспериментов является не менее важным, чем изучение кода!
Подробнее:
Скачать:
Автор: Кук Даррен
Машинное обучение наконец-то достигло стадии зрелости. При помощи программного обеспечения H2O вы можете решать задачи машинного обучения и анализа данных с использованием простого в использовании и открытого (open source) фреймворка, который поддерживает большое количество операционный систем и языков программирования, а также масштабируется для обработки больших данных. Это практическое руководство научит вас использовать алгоритмы машинного обучения, реализованные в H2O, с упором на наиболее важные для продуктивной работы аспекты.
Если вы умеете программировать на R или Python, хотя бы немного знаете статистику и имеете опыт обработки данных, эта книга Даррена Кука познакомит вас с основами использования H2O и поможет вам поэкспериментировать с машинным обучением на наборах данных разного размера. Вы изучите несколько современных алгоритмов машинного обучения: глубокое обучение, «случайный лес», обучение на неразмеченных данных и ансамбли моделей.
Прочтя эту книгу, вы:
• узнаете, как импортировать данные в H2O, преобразовывать их и экспортировать их из H2O;
• изучите основные концепции машинного обучения, такие как перекрестная проверка и проверочные наборы данных;
• поработаете с тремя разными наборами данных, решая задачи регрессии, бинарной и многоклассовой классификации;
• используете H2O для анализа каждого набора данных при помощи четырех алгоритмов машинного обучения;
• поймете, как работает кластерный анализ и другие алгоритмы обучения на неразмеченных данных.
Понимание процесса построения моделей, тупиковых ситуаций и заканчивающихся провалом экспериментов является не менее важным, чем изучение кода!
Подробнее:
Скачать:
Для просмотра скрытого содержимого вы должны войти или зарегистрироваться.
Последнее редактирование модератором: