Машинное обучение на R: экспертные техники для прогностического анализа с кэшбэком

Что важно знать о Машинное обучение на R: экспертные техники для...

Эта страница помогает найти Машинное обучение на R: экспертные техники для прогностического анализа в Буквоед и сразу понять базовые условия покупки: 1 449 ₽, статус "можно проверить наличие при переходе" и расчетный кэшбэк до 3,94%. Бренд: Питер. По описанию из фида: Язык R предлагает мощный набор методов машинного обучения, позволяющих быстро проводить нетривиальный анализ ваших данных. Книга является руководством, которое поможет применять методы машинного обучения в решении...

Кэшбэк при покупке в Буквоед

Чтобы заказ корректно привязался к CASHBACK PRO, откройте магазин кнопкой кэшбэка, дождитесь загрузки сайта продавца и оформляйте покупку в той же вкладке. Переход нужен, чтобы партнерская сеть смогла связать заказ с вашим аккаунтом.

Что проверить перед оплатой

Сверьте финальную цену, комплектацию, сроки доставки, наличие промокодов и правила магазина. Если вы используете сторонние купоны или переходите через другой рекламный источник, начисление кэшбэка может не закрепиться.

Описание из товарного фида

Язык R предлагает мощный набор методов машинного обучения, позволяющих быстро проводить нетривиальный анализ ваших данных. Книга является руководством, которое поможет применять методы машинного обучения в решении ежедневных задач. Бретт Ланц научит всему необходимому для анализа данных, формирования прогнозов и визуализации данных. Здесь вы найдете информацию о новых улучшенных библиотеках, советы об этических аспектах машинного обучения и проблемах предвзятости, а также познакомитесь с глубоким обучением. В этой книге: - Основы машинного обучения и особенности обучения компьютера на примерах. - Подготовка данных к использованию в машинном обучении средствами языка R. - Классификация значимости результатов. - Предсказание событий с помощью деревьев решений, правил и опорных векторов. - Прогнозирование числовых данных и оценка финансовых данных с помощью регрессионных методов. - Моделирование сложных процессов с использованием нейронных сетей – фундамент глубокого обучения. - Оценка моделей и улучшение их производительности. - Новейшие технологии для обработки больших данных, в частности R 3.6, Spark, H2O и TensorFlow.

Частые вопросы