📖 Machine Learning Algorithms in Depth
Автор: Смоляков Вадим
Описание:
В "Алгоритмах машинного обучения" подробно разбираются и объясняются десятки алгоритмов для различных приложений, включая финансы, компьютерное зрение и NLP. Каждый алгоритм выводится математически, за ним следует практическая реализация на языке Python, а также подробные аннотации к коду и информативная графика. Вы особенно оцените четкие интерпретации байесовских алгоритмов для моделей Монте-Карло и Маркова, предложенные автором Вадимом Смоляковым.
Эта книга посвящена разработке алгоритмов MO с нуля. На протяжении всей книги вы будете развивать математическую интуицию в отношении классических и современных алгоритмов MO и изучать основы байесовского вывода и глубокого обучения, а также структуры данных и алгоритмические парадигмы в MO.
• Скачать книгу из архива
• Стоимость в магазине
📚 Полка Разработчика | #ENG #ML
Автор: Смоляков Вадим
Описание:
В "Алгоритмах машинного обучения" подробно разбираются и объясняются десятки алгоритмов для различных приложений, включая финансы, компьютерное зрение и NLP. Каждый алгоритм выводится математически, за ним следует практическая реализация на языке Python, а также подробные аннотации к коду и информативная графика. Вы особенно оцените четкие интерпретации байесовских алгоритмов для моделей Монте-Карло и Маркова, предложенные автором Вадимом Смоляковым.
Эта книга посвящена разработке алгоритмов MO с нуля. На протяжении всей книги вы будете развивать математическую интуицию в отношении классических и современных алгоритмов MO и изучать основы байесовского вывода и глубокого обучения, а также структуры данных и алгоритмические парадигмы в MO.
• Скачать книгу из архива
• Стоимость в магазине
📚 Полка Разработчика | #ENG #ML
📖 AI-Assisted Programming for Web and Machine Learning
Автор: Норинг Кристоффер и другие
Описание:
Программирование с использованием искусственного интеллекта для веб- и машинного обучения покажет вам, как создавать приложения и модели машинного обучения, а также автоматизировать повторяющиеся задачи.
Часть 1 посвящена программированию - от создания пользовательского интерфейса до серверной части. Вы будете использовать подсказки для создания внешнего вида приложения с помощью HTML, стилизации с помощью CSS, добавления поведения с помощью JavaScript и работы с несколькими видовыми экранами. Далее вы создадите веб-API с помощью Python и Flask и переработаете код, чтобы улучшить его читаемость. Часть 1 заканчивается использованием GitHub Copilot для улучшения удобства сопровождения и производительности существующего кода.
• Скачать книгу из архива
• Стоимость в магазине
📚 Полка Разработчика | #ENG #ML
Автор: Норинг Кристоффер и другие
Описание:
Программирование с использованием искусственного интеллекта для веб- и машинного обучения покажет вам, как создавать приложения и модели машинного обучения, а также автоматизировать повторяющиеся задачи.
Часть 1 посвящена программированию - от создания пользовательского интерфейса до серверной части. Вы будете использовать подсказки для создания внешнего вида приложения с помощью HTML, стилизации с помощью CSS, добавления поведения с помощью JavaScript и работы с несколькими видовыми экранами. Далее вы создадите веб-API с помощью Python и Flask и переработаете код, чтобы улучшить его читаемость. Часть 1 заканчивается использованием GitHub Copilot для улучшения удобства сопровождения и производительности существующего кода.
• Скачать книгу из архива
• Стоимость в магазине
📚 Полка Разработчика | #ENG #ML
📖 Python Machine Learning By Example
Автор: Лю Юси
Описание:
Четвертое издание Python Machine Learning By Example - это всеобъемлющее руководство для начинающих и опытных практиков машинного обучения, которые хотят освоить более продвинутые методы, такие как мультимодальное моделирование. Это издание, написанное опытным автором по машинному обучению и бывшим инженером Google по машинному обучению Юси (Хейден) Лю, посвящено передовым практикам и содержит бесценную информацию для инженеров по машинному обучению, специалистов по обработке данных и аналитиков.
• Скачать книгу из архива
• Стоимость в магазине
📚 Полка Разработчика | #ENG #ML
Автор: Лю Юси
Описание:
Четвертое издание Python Machine Learning By Example - это всеобъемлющее руководство для начинающих и опытных практиков машинного обучения, которые хотят освоить более продвинутые методы, такие как мультимодальное моделирование. Это издание, написанное опытным автором по машинному обучению и бывшим инженером Google по машинному обучению Юси (Хейден) Лю, посвящено передовым практикам и содержит бесценную информацию для инженеров по машинному обучению, специалистов по обработке данных и аналитиков.
• Скачать книгу из архива
• Стоимость в магазине
📚 Полка Разработчика | #ENG #ML
📖 The Well-Grounded Python Developer
Автор: Фаррелл Даг
Описание:
Опытный разработчик на Python покажет вам, почему Python, самый популярный в мире язык программирования, является фантастическим инструментом для профессионального развития. Он познакомит вас с наиболее важными навыками, такими как присвоение имен переменным, функциям и классам, определение и написание хорошего API и использование объектов. Вы также узнаете, как справляться с неизбежными сбоями, как создавать программное обеспечение, подключающееся к Интернету, основные методы обеспечения безопасности и многие другие методы профессионального уровня.
• Скачать книгу из архива
• Стоимость в магазине
📚 Полка Разработчика | #ENG #ML
Автор: Фаррелл Даг
Описание:
Опытный разработчик на Python покажет вам, почему Python, самый популярный в мире язык программирования, является фантастическим инструментом для профессионального развития. Он познакомит вас с наиболее важными навыками, такими как присвоение имен переменным, функциям и классам, определение и написание хорошего API и использование объектов. Вы также узнаете, как справляться с неизбежными сбоями, как создавать программное обеспечение, подключающееся к Интернету, основные методы обеспечения безопасности и многие другие методы профессионального уровня.
• Скачать книгу из архива
• Стоимость в магазине
📚 Полка Разработчика | #ENG #ML
📖 Building Machine Learning Powered Applications
Автор: Emmanuel Ameisen
Описание:
Изучите навыки, необходимые для проектирования, создания и развертывания приложений на основе машинного обучения. В ходе этой практической книги вы создадите пример приложения на основе машинного обучения от первоначальной идеи до развернутого продукта. Специалисты по данным, инженеры-программисты и менеджеры по продуктам с небольшим или нулевым опытом в области машинного обучения шаг за шагом изучат инструменты, передовые методы и проблемы, связанные с созданием реального приложения машинного обучения.
Автор Эммануэль Амейзен, работавший специалистом по данным в Zipcar и руководивший программой искусственного интеллекта Insight Data Science, демонстрирует ключевые концепции машинного обучения с помощью фрагментов кода, иллюстраций и снимков экрана из примера приложения в книге.
Первая часть этого руководства показывает, как планировать и измерять успех приложения машинного обучения. Часть II показывает, как создать рабочую модель машинного обучения, а часть III объясняет, как улучшать модель, пока она не будет соответствовать вашему первоначальному видению. Часть IV охватывает стратегии развертывания и мониторинга.
• Скачать книгу из архива
• Стоимость в магазине
📚 Полка Разработчика | #ENG #ML
Автор: Emmanuel Ameisen
Описание:
Изучите навыки, необходимые для проектирования, создания и развертывания приложений на основе машинного обучения. В ходе этой практической книги вы создадите пример приложения на основе машинного обучения от первоначальной идеи до развернутого продукта. Специалисты по данным, инженеры-программисты и менеджеры по продуктам с небольшим или нулевым опытом в области машинного обучения шаг за шагом изучат инструменты, передовые методы и проблемы, связанные с созданием реального приложения машинного обучения.
Автор Эммануэль Амейзен, работавший специалистом по данным в Zipcar и руководивший программой искусственного интеллекта Insight Data Science, демонстрирует ключевые концепции машинного обучения с помощью фрагментов кода, иллюстраций и снимков экрана из примера приложения в книге.
Первая часть этого руководства показывает, как планировать и измерять успех приложения машинного обучения. Часть II показывает, как создать рабочую модель машинного обучения, а часть III объясняет, как улучшать модель, пока она не будет соответствовать вашему первоначальному видению. Часть IV охватывает стратегии развертывания и мониторинга.
• Скачать книгу из архива
• Стоимость в магазине
📚 Полка Разработчика | #ENG #ML
📖 Machine Learning for Imbalanced Data1
Автор: Abdelaziz Mounir, Abhishek Kumar
Описание:
Как практики машинного обучения, мы часто сталкиваемся с несбалансированными наборами данных, в которых один класс содержит значительно меньше экземпляров, чем другой. Многие алгоритмы машинного обучения предполагают равновесие между классами большинства и меньшинства, что приводит к неоптимальной производительности при несбалансированных данных. Устранение классового дисбаланса имеет решающее значение для значительного повышения производительности модели.
Машинное обучение для несбалансированных данных начинается с описания проблем, связанных с несбалансированными наборами данных, и важности решения этих проблем. Затем вы познакомитесь с методами, которые повышают производительность работы с несбалансированными данными при использовании классических моделей машинного обучения, включая различные методы выборки и обучения с учетом затрат.
По мере продвижения в книге рассматриваются аналогичные и более продвинутые методы для моделей глубокого обучения, использующие PyTorch в качестве основного фреймворка. На протяжении всей книги практические примеры предоставляют работающий, воспроизводимый код, демонстрирующий практическую реализацию каждого метода.
К концу этой книги вы будете искусны в выявлении и устранении классовых дисбалансов и уверенно применять различные методы, включая выборку, методы, учитывающие затраты, и корректировку пороговых значений при использовании традиционных моделей машинного обучения или глубокого обучения.
• Скачать книгу из архива
• Стоимость в магазине
📚 Полка Разработчика | #ENG #ML
Автор: Abdelaziz Mounir, Abhishek Kumar
Описание:
Как практики машинного обучения, мы часто сталкиваемся с несбалансированными наборами данных, в которых один класс содержит значительно меньше экземпляров, чем другой. Многие алгоритмы машинного обучения предполагают равновесие между классами большинства и меньшинства, что приводит к неоптимальной производительности при несбалансированных данных. Устранение классового дисбаланса имеет решающее значение для значительного повышения производительности модели.
Машинное обучение для несбалансированных данных начинается с описания проблем, связанных с несбалансированными наборами данных, и важности решения этих проблем. Затем вы познакомитесь с методами, которые повышают производительность работы с несбалансированными данными при использовании классических моделей машинного обучения, включая различные методы выборки и обучения с учетом затрат.
По мере продвижения в книге рассматриваются аналогичные и более продвинутые методы для моделей глубокого обучения, использующие PyTorch в качестве основного фреймворка. На протяжении всей книги практические примеры предоставляют работающий, воспроизводимый код, демонстрирующий практическую реализацию каждого метода.
К концу этой книги вы будете искусны в выявлении и устранении классовых дисбалансов и уверенно применять различные методы, включая выборку, методы, учитывающие затраты, и корректировку пороговых значений при использовании традиционных моделей машинного обучения или глубокого обучения.
• Скачать книгу из архива
• Стоимость в магазине
📚 Полка Разработчика | #ENG #ML
📖 Machine Learning for Tabular Data
Автор: Kennedy Brett
Описание:
Машинное обучение для табличных данных предоставляет практические методы ML для улучшения каждого этапа процесса анализа бизнес-данных. В нем вы изучите такие примеры, как использование XGBoost и Keras для прогнозирования цен на краткосрочную аренду, развертывание локальной модели ML с помощью Python и Flask и оптимизация рабочих процессов с помощью больших языковых моделей (LLM). Попутно вы научитесь делать свои модели более мощными и понятными.
• Скачать книгу из архива
• Стоимость в магазине
📚 Полка Разработчика | #ENG #ML
Автор: Kennedy Brett
Описание:
Машинное обучение для табличных данных предоставляет практические методы ML для улучшения каждого этапа процесса анализа бизнес-данных. В нем вы изучите такие примеры, как использование XGBoost и Keras для прогнозирования цен на краткосрочную аренду, развертывание локальной модели ML с помощью Python и Flask и оптимизация рабочих процессов с помощью больших языковых моделей (LLM). Попутно вы научитесь делать свои модели более мощными и понятными.
• Скачать книгу из архива
• Стоимость в магазине
📚 Полка Разработчика | #ENG #ML
📖 Машинное обучение с малым объемом кодирования
Автор: Стриплинг Г
Описание:
В книге подробно представлены три проблемно-ориентированных вида машинного обучения (Machine leaming, ML): автоматизированное обучение AutoML без кодирования, обучение BigQuery ML с малым объемом кодирования и обучение с применением пользовательского кода на основе библиотек scikit-leam и Keras. При этом от читателя не требуется глубоких предварительных знаний в ML или программировании, но базовые навыки в этих областях будут полезны. Специализированные библиотеки, фреймворки ML, репозиторий GitHub и другие инструменты описаны по мере их необходимости. В каждом конкретном случае ключевые концепции ML раскрыты с использованием реальных наборов данных для решения реальных задач. Рассмотрено применение AutoML для прогнозирования продаж, использование BigQuery ML для обучения линейных регрессионных моделей, обучение пользовательских МL-моделей на Python для прогнозирования оттока клиентов и ряд других популярных бизнес-кейсов.
Для студентов, начинающих МL-инженеров и аналитиков данных
• Скачать книгу из архива
• Стоимость в магазине
📚 Полка Разработчика | #RU #ML
Автор: Стриплинг Г
Описание:
В книге подробно представлены три проблемно-ориентированных вида машинного обучения (Machine leaming, ML): автоматизированное обучение AutoML без кодирования, обучение BigQuery ML с малым объемом кодирования и обучение с применением пользовательского кода на основе библиотек scikit-leam и Keras. При этом от читателя не требуется глубоких предварительных знаний в ML или программировании, но базовые навыки в этих областях будут полезны. Специализированные библиотеки, фреймворки ML, репозиторий GitHub и другие инструменты описаны по мере их необходимости. В каждом конкретном случае ключевые концепции ML раскрыты с использованием реальных наборов данных для решения реальных задач. Рассмотрено применение AutoML для прогнозирования продаж, использование BigQuery ML для обучения линейных регрессионных моделей, обучение пользовательских МL-моделей на Python для прогнозирования оттока клиентов и ряд других популярных бизнес-кейсов.
Для студентов, начинающих МL-инженеров и аналитиков данных
• Скачать книгу из архива
• Стоимость в магазине
📚 Полка Разработчика | #RU #ML
📖 Машинное обучение: основы
Автор: Николенко Сергей
Описание:
Машинное обучение давно уже стало синонимом искусственного интеллекта. Оно проникло во многие аспекты нашей жизни и стало одной из важнейших областей современной науки. Эта книга — путеводитель по ключевым идеям машинного обучения. Вы узнаете, как методы машинного обучения получаются из основных принципов теории вероятностей, пройдёте путь от теоремы Байеса до обобщённых линейных моделей и узнаете в лицо тех китов, на которых стоит весь современный искусственный интеллект. Множество увлекательных кейсов, практических примеров и интересных задач — от анализа ретроспективных научных исследований до эффекта «горячей руки» в баскетболе — помогут разобраться в самых сложных концепциях. Кроме того, книга может лечь в основу базовых курсов по машинному обучению.
• Скачать книгу из архива
• Стоимость в магазине
📚 Полка Разработчика | #RU #ML
Автор: Николенко Сергей
Описание:
Машинное обучение давно уже стало синонимом искусственного интеллекта. Оно проникло во многие аспекты нашей жизни и стало одной из важнейших областей современной науки. Эта книга — путеводитель по ключевым идеям машинного обучения. Вы узнаете, как методы машинного обучения получаются из основных принципов теории вероятностей, пройдёте путь от теоремы Байеса до обобщённых линейных моделей и узнаете в лицо тех китов, на которых стоит весь современный искусственный интеллект. Множество увлекательных кейсов, практических примеров и интересных задач — от анализа ретроспективных научных исследований до эффекта «горячей руки» в баскетболе — помогут разобраться в самых сложных концепциях. Кроме того, книга может лечь в основу базовых курсов по машинному обучению.
• Скачать книгу из архива
• Стоимость в магазине
📚 Полка Разработчика | #RU #ML
📖 Машинное обучение: алгоритмы для бизнеса
Автор: Клейнберг Дж., Тардос Е.
Описание:
Маркос Лопез де Прадо делится тем, что обычно скрывают - самыми прибыльными алгоритмами машинного обучения, которые он использовал на протяжении двух десятилетий, чтобы управлять большими пулами средств самых требовательных инвесторов.
Машинное обучение меняет практически каждый аспект нашей жизни, алгоритмы МО выполняют задачи, которые до недавнего времени доверяли только проверенным экспертам. В ближайшем будущем машинное обучение будет доминировать в финансах, гадание на кофейной гуще уйдет в прошлое, а инвестиции перестанут быть синонимом азартных игр.
Воспользуйтесь шансом поучаствовать в «машинной революции», для этого достаточно познакомиться с первой книгой, в которой приведен полный и систематический анализ методов машинного обучения применительно к финансам: начиная со структур финансовых данных, маркировки финансового ряда, взвешиванию выборки, дифференцированию временного ряда... и заканчивая целой частью, посвященной правильному бэктестированию инвестиционных стратегий.
• Скачать книгу из архива
• Стоимость в магазине
📚 Полка Разработчика | #RU #ML
Автор: Клейнберг Дж., Тардос Е.
Описание:
Маркос Лопез де Прадо делится тем, что обычно скрывают - самыми прибыльными алгоритмами машинного обучения, которые он использовал на протяжении двух десятилетий, чтобы управлять большими пулами средств самых требовательных инвесторов.
Машинное обучение меняет практически каждый аспект нашей жизни, алгоритмы МО выполняют задачи, которые до недавнего времени доверяли только проверенным экспертам. В ближайшем будущем машинное обучение будет доминировать в финансах, гадание на кофейной гуще уйдет в прошлое, а инвестиции перестанут быть синонимом азартных игр.
Воспользуйтесь шансом поучаствовать в «машинной революции», для этого достаточно познакомиться с первой книгой, в которой приведен полный и систематический анализ методов машинного обучения применительно к финансам: начиная со структур финансовых данных, маркировки финансового ряда, взвешиванию выборки, дифференцированию временного ряда... и заканчивая целой частью, посвященной правильному бэктестированию инвестиционных стратегий.
• Скачать книгу из архива
• Стоимость в магазине
📚 Полка Разработчика | #RU #ML