Машинное обучение с использованием библиотеки Н2О [Даррен Кук] [Повтор]
О книге
- Оригинальное название: "Practical Machine Learning with H2O"
- Оригинальный правообладатель: "O'Reilly"
- Дата выхода на ЛитРес: 21 ноября 2017
- Дата перевода: 2018
- Дата написания: 2017
- Объем: 252 стр.
- ISBN: 978-5-97060-508-0
- Общий размер: 9 MB
- Общее кол-во страниц: 252
- Переводчик: А. Б. Огурцов
- Тип: PDF (изначально компьютерного качества)
Н2О – простая в использовании и открытая библиотека, которая поддерживает большое количество операционных систем и языков программирования, а также масштабируется для обработки больших данных. Эта книга научит вас использовать алгоритмы машинного обучения, реализованные в Н2О, с упором на наиболее важные для продуктивной работы аспекты. Рассмотрены глубокое обучение, случайный лес, обучение на неразмеченных данных и ансамбли моделей.
В российское издание добавлены дополнительно два приложения, описывающих новейшие модули Н2О – Deep Water и Stacked Ensemble. Их также можно найти в репозитории github.com/statist-bhfz/h2o_book_translate .
Издание предназначено для специалистов по анализу данных, желающих изучить и применять на практике относительно новый, но многообещающий инструмент – библиотеку Н2О.
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.
Спойлер: Отзывы
Спойлер: Предудущая складчина Текущая тема является повтором но предыдущая складчина была на скан (получился очень плохой скан с сильным JPEG артифактами)
Отзывов пока нет. Будьте первым!
Это не розничная цена — это ваш взнос в складчину. Мы собираем группу участников и делим между ними стоимость официального доступа: каждый платит только свою долю, а получает весь материал. Чем больше участников, тем меньше взнос. После того как сумма собрана, мы оформляем официальный доступ и раздаём материалы всем, кто участвовал.
Нажмите кнопку «Получить книгу» на этой странице и следуйте инструкциям. Вас переведёт на форму оплаты — доступны все современные способы (карта, СБП, электронные кошельки). После оплаты на почту придёт письмо со ссылкой и инструкциями для доступа к материалам. Если ссылка не открывается, загляните в раздел «Помощь» или напишите в поддержку.
Да, конечно. Все материалы — видео, PDF, дополнительные файлы — можно скачать к себе на компьютер и пользоваться ими сколько угодно, без ограничений по времени. Ссылки остаются активными в вашей библиотеке «Мои складчины».