Хенрик Бринк — новинки

В данном учебнике представлен обзор различных направлений машинного обучения: классическое обучение с учителем, обучение с подкреплением, ансамбли и глубокое обучение. Значительное внимание уделено методам анализа данных и обучения без учителя, включая статистические методы, ядерные методы, методы снижения размерности, поиска паттернов и правил. Рассмотрены различные виды кластеризации, бикластеризации и трикластеризации. Теоретический материал сопровождается практическими заданиями и лабораторными работами, выполнение которых предполагает использование библиотеки scikit-learn на языке Python, а также индивидуальными домашними заданиями.

В последние годы машинное обучение вышло на уровень большого бизнеса: компании активно используют его для зарабатывания денег, прикладные исследования бурно развиваются, а неугомонные разработчики используют любую возможность повысить свой уровень владения этой тематикой. Данная книга рассчитана на тех, кто хочет решать самые разнообразные задачи при помощи машинного обучения. Как правило, для этого нужен Python, поэтому в примерах кода используется этот язык, а также библиотеки pandas и scikit-learn. Вы познакомитесь с основными понятиями ML, такими как сбор данных, моделирование, классификация и регрессия, а главное, получите практический опыт обработки реальных данных.

В последние годы машинное обучение вышло на уровень большого бизнеса: компании активно используют его для зарабатывания денег, прикладные исследования бурно развиваются, а неугомонные разработчики используют любую возможность повысить свой уровень владения данной тематикой.


Данная книга рассчитана на тех, кто хочет решать самые разнообразные задачи при помощи машинного обучения. Как правило, для этого нужен Python, поэтому в примерах кода используется этот язык, а также библиотеки pandas и scikit-learn. Вы познакомитесь с основными понятиями ML, такими как сбор данных, моделирование, классификация и регрессия, а главное, получите практический опыт обработки реальных данных.