Математика в машинном обучении докопайся до сути : [математические основы базовых концепций машинного обучения, позволяющие устранить пробел между университетским курсом математики и уровнем, необходимым для изучения МО]

Математика в машинном обучении докопайся до сути : [математические основы базовых концепций машинного обучения, позволяющие устранить пробел между университетским курсом математики и уровнем, необходимым для изучения МО]

Библиографическая информация
Главный автор:	Дайзенрот, Марк Питер
Другие авторы:	Фейза, Альдо А., Чен Сунь Он
Формат:	Книга
Язык:	Russian
Публикация:	Санкт-Петербург [и др.] Питер 2024
Серии:	Для профессионалов
Предметы:	машинное обучение, концепции машинное обучение, методы линейная регрессия (машинное обучение) метод главных компонент (машинное обучение) гауссово моделирование (машинное обучение) метод опорных векторов (машинное обучение), классификация математические дисциплины фундаментальные линейная алгебра аналитическая геометрия матричные разложения векторный анализ вероятность распределения вероятностей оптимизация непрерывная машинное обучение, задачи
Online-ссылка:	Перейти в каталог НБ ТГУ

Похожие документы

Инженерия машинного обучения
по: Бурков, Андрей
Публикация: (2022)

Прогнозирование платежеспособности клиентов банка с использованием методов машинного обучения на данных, отобранных с помощью расчета коэффициентов WOE и IV
по: Бугакова, Дарья Дмитриевна

Основы машинного обучения для аналитического прогнозирования алгоритмы, рабочие примеры и тематические исследования : пер. с англ.
по: Келлехер, Джон Д
Публикация: (2019)

Математические основы машинного обучения и прогнозирования
по: Вьюгин, Владимир Вячеславович
Публикация: (2018)

Application of machine learning and laser optical-acoustic spectroscopy to study the profile of exhaled air volatile markers of acute myocardial infarction

Интерпретируемое машинное обучение на Python научитесь создавать интерпретируемые высокопроизводительные модели на практических примерах из реальной жизни : пер. с англ.
по: Масис, Серг
Публикация: (2023)

Создание приложений машинного обучения от идеи к продукту
по: Амейзен, Эммануэль
Публикация: (2023)

Физически информированное машинное обучение
по: Берцун, Артемий Николаевич

Вероятностное машинное обучение введение
по: Мэрфи, Кэвин Патрик
Публикация: (2023)

Грокаем машинное обучение
по: Серрано, Луис
Публикация: (2024)

Рандомизированное машинное обучение при ограниченных объемах данных. От эмпирической вероятности к энтропийной рандомизации [монография]
по: Попков, Юрий Соломонович 1937-
Публикация: (2019)

Машинное обучение основы
по: Николенко, Сергей Игоревич
Публикация: (2025)

Обнаружение аномалий технологических сигналов с использованием ансамбля классификаторов и вейвлет-преобразований
по: Мурзагулов, Дамир Альбертович

Предсказание константы скорости внутренней конверсии методом машинного обучения

Машинное обучение с использованием Python сборник рецептов : [практические решения от предобработки до глубокого обучения] : пер. с англ.
по: Элбон, Крис
Публикация: (2022)

Анализ нейронных сетей в телемедицине
по: Кузнецов, Денис Николаевич

Машинное обучение. Наука и искусство построения алгоритмов, которые извлекают знания из данных
по: Флах, Петер
Публикация: (2015)

Методы и алгоритмы сегментации медицинских изображений на основе машинного обучения автореферат диссертации на соискание ученой степени кандидата технических наук спец. 05.13.01
по: Данилов, В. В. специалист в области информатики и вычислительной техники инженер Томского политехнического университета 1989-
Публикация: (2020)

Алгоритм предсказания продаж с использованием технологий машинного обучения
по: Гайдук, Кристина Алексеевна

Обучение с подкреплением для реальных задач. Инженерный подход [для аналитиков данных и специалистов по искусственному интеллекту] : пер. с англ.
по: Уиндер, Фил
Публикация: (2023)

Анализ данных в экономике: теория вероятностей, прикладная статистика, обработка и визуализация данных в Microsoft Excel [учебник для направления бакалавриата "Экономика и управление"]
по: Соловьев, Владимир Игоревич
Публикация: (2023)

Tradeoff search methods between interpretability and accuracy of the identification fuzzy systems based on rules
по: Yankovskaya, Anna Efimovna

Машинное обучение и представление информации: новые возможности цифровых архивов (рецензия на книгу: Artificial Intelligence, Archives and Manuscripts. New Relationships between the Virtual Archive and Its Referent. Edinburgh: University of Edinburgh, 2025. 584 p.)
по: Пенская, Елена Наумовна

Diffuse reflectance and machine learning techniques to differentiate colorectal cancer ex vivo

Assessing trustworthiness of IoT applications using logic circuits
по: Laputenko, Andrey V.

О методе машинного обучения для обнаружения аномалий в SQL-запросах
по: Мурзина, Александра Ивановна

A novel macro-scale machine learning prediction based on high-fidelity CFD simulations: A case study on the pore-scale porous Trombe wall with phase change material capsulation

Проектирование систем машинного обучения пер. с англ.
по: Хьюен, Чип
Публикация: (2023)

Введение в машинное обучение с помощью Python руководство для специалистов по работе с данными
по: Мюллер, Андреас
Публикация: (2019)

Компьютерное зрение. Современные методы и перспективы развития
Публикация: (2022)

Применение методов машинного обучения для классификации резонансного движения астероидов

Влияние искусственного интеллекта и машинного обучения на финансовую культуру россиян
по: Шпет, Валентина Вадимовна

Применение алгоритма машинного обучения для профориентации абитуриентов высшего учебного заведения

Implementation of data fusion to increase the efficiency of classification of precancerous skin states using in vivo bimodal spectroscopic technique

Application of k-means clustering and histogram analysis to automate preprocessing of images of discomycetes obtained in the habitat
по: Filimonova, Darya A.

Метод прогнозирования дефектов в компонентах программного обеспечения на основе метрик исходного кода: автореферат диссертации ... кандидата технических наук: 05.13.01/
по: Кирносенко, С. И. Семен Игоревич
Публикация: (2012)

Применение неконтролируемой кластеризации выборок для повышения качественных показателей многоуровневых моделей обработки данных
по: Лебедев, Илья Сергеевич

Predictive models for COVID-19 detection using routine blood tests and machine learning

Application of machine learning algorithms and laser absorption spectroscopy to solve the problem of determining components with a low concentration in multicomponent gas mixtures
по: Prischepa, Vladimir V.

Обнаружение аномалий в составных объектах в формате JSON
по: Шляхтина, Елена Анатольевна