Applied Machine Learning

Autor Jason Hodson

Applied Machine Learning - Jason Hodson

Applied Machine Learning

Autor Jason Hodson

0.0 z 5 hvězdiček 0 hodnocení čtenářů

Kniha ( měkká vazba )

Do košíku

1 650 Kč s DPH
Jsme transparentní

E-shopové listy

Při zaslání zboží balíčkem

K nákupu nad 99 Kč dárek zdarma v hodnotě 19 Kč

E-shopové listy

Magazín Knihkupec

Při zaslání zboží balíčkem

K nákupu nad 249 Kč dárek zdarma v hodnotě 69 Kč

Magazín Knihkupec

Put machine learning theory into practice with this hands-on guide! Learn about the real-world application of machine learning models by following three use cases, each with its own dataset. Get started with tools like GitHub and Anaconda, and then follow detailed instructions to prepare your data, select your model, evaluate its results, and… Přejít na celý popis

Black Friday je tady! Black Friday je tady! Nejvýhodnější akce celého roku. Tisíce knih, e-knih, audioknih či čtení v angličtině a deskových her. Více informací

K tomuto produktu zákazníci kupují

Popis Hodnocení 0.0 z 5 hvězdiček 0 Vývoj ceny

Popis

Put machine learning theory into practice with this hands-on guide! Learn about the real-world application of machine learning models by following three use cases, each with its own dataset. Get started with tools like GitHub and Anaconda, and then follow detailed instructions to prepare your data, select your model, evaluate its results, and measure its impact over time. With sample code for download, this book has everything you need to implement machine learning models for your business! In this book, you'll learn about:a.Data PreparationThe first step is to understand your data. Learn about the different data sources, and then explore your data through visualization, descriptive statistics, and correlation analysis. Clean up your data by identifying errors, writing dummy code, and more.b.Model Selection Choose the machine learning model that suits your needs! Follow a model decision framework and master key algorithms: regression, decision trees, random forest, gradient boosting, clustering, and ensembling.c.Evaluation and IterationAssess and improve the quality of your model! Apply a variety of validation metrics to your model and enhance interpretability to avoid black box code. Then iterate through feature engineering and adding or removing data. d.Implementation and MonitoringYour model is ready to go-now see it in action! Learn how to implement the model to make predictions, monitor its performance, and measure its impact for your business. Highlights include: 1)Real-world use cases2)Data exploration3)Data cleaning4)Model decision framework5)Regression algorithms6)Decision trees7)Clustering8)Validation metrics9)Model iteration 10) Interpretability11)Implementation12)Monitoring

Sdílet

kategorie
Knihy » Cizojazyčná literatura » English literature » Nonfiction » Information Technology
Témata
Nakladatel
Rheinwerk Publishing Inc.
Rozměr
277 x 178 x 25
datum vydání
23.04.2026
ean
9781493227587
Vazba
měkká vazba
Hmotnost
780 g
jazyk
angličtina
Počet stran
450
Vydání
1
isbn
978-1-4932-2758-7

Hodnocení a recenze čtenářů Nápověda

0.0 z 5 0 hodnocení čtenářů

0× 5 hvězdiček 0× 4 hvězdičky 0× 3 hvězdičky 0× 2 hvězdičky 0× 1 hvezdička

Přidejte své hodnocení knihy

Načíst další hodnocení

Zobrazit všechna hodnocení

Přidat hodnocení

Vývoj ceny

Vývoj ceny Nápověda

Získejte přehled o vývoji ceny za posledních 60 dní.

Maloobchodní cena Minimální prodejní cena: 1 650 Kč Nápověda

Články, které stojí za pozornost

Zobrazit blog

Články, které stojí za pozornost