Ешь, двигайся, спи Жесткий подход Дэна Кеннеди Телефоны Бизбук - c 10 до 18 по будним дням
 
Наши проекты:
Вход для зарегистрированных пользователей
Регистрация нового пользователя
Каталог книг Новинки Анонсы Заказы / Корзина Рассылка Оплата и Доставка Контакты
Вы находитесь в разделе каталога:
• Основы машинного обучения для аналитического прогнозирования: алгоритмы, рабочие примеры и тематические исследования, Джон Д. Келлехер, Брайан Мак-Нейми и Ифе д’Арси


Основы машинного обучения для аналитического прогнозирования: алгоритмы, рабочие примеры и тематические исследования
Основы машинного обучения для аналитического прогнозирования: алгоритмы, рабочие примеры и тематические исследования
рекомендуем
новинка
Джон Д. Келлехер, Брайан Мак-Нейми и Ифе д’Арси
Год выпуска: 2018
Изд-во: Диалектика-Вильямс
ISBN: 978-5-6040044-9-4
Переплёт: твердый
656 страниц
Цена: 870.00 грн.
Есть в наличии
в корзину

Instant Purshare Только на 1 книгу
Доставка: по Киеву - в течение суток*
                по Украине - от 2 до 10 суток*

Книга "Основы машинного обучения для аналитического прогнозирования: алгоритмы, рабочие примеры и тематические исследования" - это базовое руководство, которое предлагает подробное и целенаправленное рассмотрение наиболее важных подходов к машинному обучению, используемых в аналитическом прогнозировании, охватывающих как теоретические концепции, так и практические приложения.

В книге формальный математический материал дополняется практическими примерами, а тематические исследования иллюстрируют применение этих моделей в более широком контексте бизнеса

После обсуждения перехода от данных к решению, в книге "Основы машинного обучения для аналитического прогнозирования" описывается четыре подхода к компьютерному обучению: информационное обучение, обучение на основе сходства, вероятностное обучение и обучение на основе ошибок

Каждый из этих подходов сначала описывается неформально, а затем приводятся математические модели и алгоритмы, иллюстрированные подробными практическими примерами. Наконец, в книге рассматриваются методы оценки моделей прогнозирования и предлагаются два тематических исследования, которые описывают конкретные проекты анализа данных на каждом этапе разработки, начиная от формулирования бизнес-задачи и заканчивая реализацией аналитического решения

Книга "Основы машинного обучения для аналитического прогнозирования: алгоритмы, рабочие примеры и тематические исследования", написанная авторами, имеющими многолетний опыт преподавания методов машинного обучения и работы над проектами аналитического прогнозирования, предназначена для студентов и аспирантов, специализирующихся в области компьютерных наук, математики или статистики, а также как справочник для профессионалов.

Об авторах:
Джон Келлехер
лектор в Дублинском технологическом институте и член-учредитель Исследовательского центра прикладного анализа DIT.
Брайан Мак-Нейми является преподавателем Университетского колледжа в Дублине.
Аоифе д'Арси генеральный директор The Analytics Store, консалтинговой компании по анализу данных и анализу данных.

Отзыв экспертов:

"Книга написана учеными, но тесно связана с практикой. Действительно, интеллектуальный анализ данных и машинное обучение идут рука об руку: грубо говоря, прогнозирование зависит от обучения на прошлых примерах. И хотя Основы - это всеобъемлющий университетский учебник, авторы также признают, что интеллектуальный анализ данных является самым быстро развивающимся коммерческим применением машинного обучения. Благодаря этому данный чрезвычайно познавательный опус позволяет осветить концепции в тесной связи с отраслевыми тематическими исследованиями и передовыми методами, гарантируя, что вы ознакомитесь с лучшими практиками и сценариями использования и не заблудитесь в абстракциях"
Эрик Сигель (Eric Siegel), доктор философии, основатель компании Predictive Analytics World; автор книги Predictive Analytics: The Power to Predict Who Will Click, Buy, Lie, or Die)

"В этой книге представлены превосходные описания ключевых методов, используемых в аналитическом прогнозировании. Однако уникальная ценность книги - понимание, которое она дает для практического применения этих методов. Тематические исследования и разделы по подготовке данных и качеству данных отражают реальные проблемы в эффективном использовании интеллектуальных аналитических средств".
- Падрейг Каннингем (Padreig Cunningham), профессор информатики и информатики, Школа компьютерных наук, Университетский колледж Дублина; один из редакторов книги Machine Learning Techniques for Multimedia.

"Это замечательная самодостаточная книга, затрагивающая основные аспекты машинного обучения и представляющая их в ясном и интуитивно понятном свете. Авторы начинают с изложения основных идей и заканчивают более сложными информационными, вероятностными, статистическими и оптимизационными концепциями, делая акцент на том, как превратить бизнес-проблему в аналитическое решение, а также описывают соответствующие тематические исследования и приводят иллюстрации. Эта книга представляет собой легкое и увлекательное чтение, которое я рекомендую всем, кто заинтересован в том, чтобы узнать больше о механизмах машинного обучения и его приложениях для аналитического прогнозирования".
-Натали Япковиц (Nathalie Japkowicz), профессор компьютерных наук, Университет Оттавы; соавтор книги Evaluating Learning Algorithms: A Classification Perspective.

 

 

Оглавление книги "Основы машинного обучения для аналитического прогнозирования: алгоритмы, рабочие примеры и тематические исследования"

 


Предисловие 12
Обозначения 19
Глава 1. Методы машинного обучения для аналитического прогнозирования 23
Глава 2. Данные - выводы - решения 45
Глава 3. Изучение данных 81
Глава 4. Информационное обучение 149
Глава 5. Обучение на основе сходства 217
Глава 6. Вероятностное обучение 291
Глава 7. Обучение на основе ошибок 371
Глава 8. Оценивание 449
Глава 9. Тематический пример: отток клиентов 521
Глава 10. Тематический пример: классификация галактик 545
Глава 11. Искусство машинного обучения для аналитического
прогнозирования 577
Приложение А. Описательная статистика и визуализация данных
для машинного обучения 593
Приложение Б. Введение в теорию вероятностей 609
Приложение В. Правила дифференцирования 619
Библиография 625
Список рисунков 631
Список таблиц 645
Предметный указатель 652



Хотите оставить отзыв? У Вас возникли вопросы о книге "Основы машинного обучения для аналитического прогнозирования: алгоритмы, рабочие примеры и тематические исследования, Джон Д. Келлехер, Брайан Мак-Нейми и Ифе д’Арси" ? Пишите:

* Текст сообщения:
 
  Отправить
Поиск по каталогу
 поиск в аннотациях
Искать

* Подробнее об условиях доставки смотрите в разделе "Оплата и Доставка" нашего магазина.
Если у Вас возникли вопросы как подобрать и купить книги в нашем интернет-магазине звоните с 9 до 18 по будним дням: Киев 331-04-53, МТС (050) 809-56-66, Киевстар (067) 408-26-36, Лайф (063) 227-24-47, Интертелеком (094) 831-04-53 или пишите нам

 
   
  Programming - Dmitriy Kotov & Andrey Kotov