Крупномасштабное машинное обучение вместе с Python

Этот товар закончился.

Описание и характеристики

С распространением больших данных растет спрос на вычислительную и алгоритмическую эффективность. Главная задача настоящей книги состоит в том, чтобы предоставить способы применения мощных методов машинного обучения с открытым исходным кодом в крупномасштабных проектах без привлечения дорогостоящих корпоративных решений или больших вычислительных кластеров. Описаны масштабируемое обучение в Scikit-learn, нейронные сети и глубокое обучение с использованием Theano, H2O и TensorFlow. Рассмотрены классификационные и регрессионные деревья, а также обучение без учителя. Охвачены эффективные методы машинного обучения в вычислительной среде MapReduce на платформах Hadoop и Spark на языке Python.
С этой книгой вы научитесь:
• применять большинство масштабируемых алгоритмов машинного обучения;
• работать с новейшими крупномасштабными методами машинного обучения;
• увеличивать прогнозную точность при помощи методов глубокого обучения и масштабируемых методов обработки данных;
• работать с вычислительной парадигмой Map-Reduce в платформе Spark;
• применять эффективные алгоритмы машинного обучения на основе платформ Spark и Hadoop;
• создавать мощные ансамбли в крупном масштабе;
• использовать потоки данных для обучения линейных и нелинейных прогнозных моделей на чрезвычайно больших наборах данных, используя всего одну машину.
ID товара 7648658
Издательство ДМК Пресс
Год издания
ISBN 3337648658322, 9000076486587, 978-5-97060-506-6
Переводчик Логунов А.
Количество страниц 358
Размер 1.7x17x24
Тип обложки Твёрдый переплёт
Тираж 200
Вес, г 610

Отзывы

15 бонусов

за полезный отзыв длиной от 300 символов

15 бонусов

если купили в интернет-магазине «Читай-город»

Полные правила начисления бонусов за отзывы
Оставьте отзыв и получите бонусы
Оставьте первый отзыв и получите за него бонусы.
Это поможет другим покупателям сделать правильный выбор.
С распространением больших данных растет спрос на вычислительную и алгоритмическую эффективность. Главная задача настоящей книги состоит в том, чтобы предоставить способы применения мощных методов машинного обучения с открытым исходным кодом в крупномасштабных проектах без привлечения дорогостоящих корпоративных решений или больших вычислительных кластеров. Описаны масштабируемое обучение в Scikit-learn, нейронные сети и глубокое обучение с использованием Theano, H2O и TensorFlow. Рассмотрены классификационные и регрессионные деревья, а также обучение без учителя. Охвачены эффективные методы машинного обучения в вычислительной среде MapReduce на платформах Hadoop и Spark на языке Python.
С этой книгой вы научитесь:
• применять большинство масштабируемых алгоритмов машинного обучения;
• работать с новейшими крупномасштабными методами машинного обучения;
• увеличивать прогнозную точность при помощи методов глубокого обучения и масштабируемых методов обработки данных;
• работать с вычислительной парадигмой Map-Reduce в платформе Spark;
• применять эффективные алгоритмы машинного обучения на основе платформ Spark и Hadoop;
• создавать мощные ансамбли в крупном масштабе;
• использовать потоки данных для обучения линейных и нелинейных прогнозных моделей на чрезвычайно больших наборах данных, используя всего одну машину.