Библиотеки машинного обучения на Python. Работа с данными, построение моделей, оценка качества и MLOps

Вес 737 г
Габариты 21.59 × 14.48 × 2.54 см
handling_time

30 days

ISBN

978-5-4461-4561-4

EAN

9785446145614

Формат

70×100/16

Издательство

Серия

Переплет

Автор

Стандарт

8

Дата получения

19 нояб 26

Количество страниц

SKU

К32771

Формат, мм\см

170×240

Иллюстраторы

480 ₪
icon

* в связи с отменой регулярного авиасообщения срок доставки может быть дольше обычного

Описание

Построение модели машинного обучения — лишь часть работы. Необходимо разобраться в данных, выбрать подходящие методы, оценить качество предсказаний, объяснить результаты и организовать работу модели после развертывания. При этом экосистема Python постоянно растет, и выбрать нужные инструменты среди множества библиотек бывает непросто.В книге собраны библиотеки Python для основных этапов жизненного цикла модели машинного обучения. Вы научитесь генерировать искусственные данные, исследовать и предобрабатывать данные, обучать модели классификации и регрессии, решать задачи кластеризации и обнаружения аномалий, оценивать качество данных и моделей, настраивать гиперпараметры и интерпретировать результаты моделирования. Познакомитесь с основными инструментами Python, включая pandas, scikit-learn, XGBoost, Optuna, FastAPI и MLflow, и узнаете, как применять их и другие библиотеки на всех этапах работы с ML-моделями.

Книги, изданные в Израиле