-
Koszyk jest pusty
-
x
Do bezpłatnej dostawy brakuje
-,--
Darmowa dostawa!
Suma
0,00 zł
Cena uwzględnia rabaty
0,00 zł
0
-
Koszyk jest pusty
-
x
Do bezpłatnej dostawy brakuje
-,--
Darmowa dostawa!
Suma
0,00 zł
Cena uwzględnia rabaty
-
-
-
Koszyk jest pusty
-
x
Do bezpłatnej dostawy brakuje -,--Darmowa dostawa!Suma 0,00 złCena uwzględnia rabaty -
-
Wzorce projektowe uczenia maszynowego
Symbol:
9788375414417
103.49
| Czas obsługi zamówienia | 48 godzin |
| Cena przesyłki | 14.99 |
| Dostępność |
|
| Kod kreskowy | |
| EAN | 9788375414417 |
Czas przewozu 24 godziny
| Zostaw telefon |
Wzorce projektowe opisane w tej książce obejmują najlepsze praktyki i rozwiązania powtarzalnych problemów w uczeniu maszynowym. Autorzy, troje inżynierów z firmy Google, skatalogowali sprawdzone metody, aby pomóc badaczom danych sprostać typowym problemom występującym w całym procesie uczenia maszynowego. Te wzorce projektowe kodyfikują doświadczenie setek ekspertów w prostych, przystępnych radach.
W tej książce znajdziesz szczegółowe wyjaśnienia 30 wzorców reprezentacji danych i problemów, operacjonalizacji, powtarzalności, odtwarzalności, elastyczności, objaśnialności i bezstronności. Każdy wzorzec obejmuje opis pro-blemu, różnorodne potencjalne rozwiązania oraz rekomendacje dotyczące wyboru najlepszej techniki w danej sytuacji.
Nauczysz się:
Rozpoznawać i minimalizować typowe problemy występujące podczas uczenia, oceniania oraz wdrażania modeli uczenia maszynowego
Przedstawiać dane dla różnych typów modeli uczenia maszynowego, w postaci reprezentacji wektorowych, krzyżowania cech i nie tylko
Wybierać prawidłowy typ modelu dla konkretnych problemów
Konstruować wydajną pętlę uczenia z zastosowaniem punktów kontrolnych, strategii rozkładu i strojenia hiperparametrów
Wdrażać skalowalne systemy uczenia maszynowego, które można uczyć ponownie i aktualizować, aby odzwierciedlać nowe dane
Interpretować predykcje modeli dla interesariuszy i zapewniać, że modele traktują użytkowników bezstronnie
Zwiększać dokładność, odtwarzalność i elastyczność
Dzięki wspaniałym, różnorodnym przykładom ta książka jest obowiązkową lekturą dla badaczy danych i inżynierów uczenia maszynowego dążących do zrozumienia sprawdzonych rozwiązań złożonych problemów uczenia maszyno-wego.
David Kanter
Dyrektor wykonawczy, ML Commons
Jeśli chcesz oszczędzić sobie siniaków na drodze do konstruowania rozwiązań uczenia maszynowego, Lak, Sara i Michael to osoby, na które możesz liczyć.
Will Grannis
Dyrektor zarządzający,
Cloud CTO Office, Google
Valliappa (Lak) Lakshmanan jest globalnym kierownikiem działu analizy danych i rozwiązań sztucznej inteligencji w Google Cloud.
Sara Robinson jest rzeczniczką deweloperów w zespole Google Cloud, skupiającą się na uczeniu maszynowym.
Michael Munn jest inżynierem rozwiązań uczenia maszynowego w Google, gdzie pomaga klientom projektować, implementować i wdrażać modele uczenia maszynowego.
W tej książce znajdziesz szczegółowe wyjaśnienia 30 wzorców reprezentacji danych i problemów, operacjonalizacji, powtarzalności, odtwarzalności, elastyczności, objaśnialności i bezstronności. Każdy wzorzec obejmuje opis pro-blemu, różnorodne potencjalne rozwiązania oraz rekomendacje dotyczące wyboru najlepszej techniki w danej sytuacji.
Nauczysz się:
Rozpoznawać i minimalizować typowe problemy występujące podczas uczenia, oceniania oraz wdrażania modeli uczenia maszynowego
Przedstawiać dane dla różnych typów modeli uczenia maszynowego, w postaci reprezentacji wektorowych, krzyżowania cech i nie tylko
Wybierać prawidłowy typ modelu dla konkretnych problemów
Konstruować wydajną pętlę uczenia z zastosowaniem punktów kontrolnych, strategii rozkładu i strojenia hiperparametrów
Wdrażać skalowalne systemy uczenia maszynowego, które można uczyć ponownie i aktualizować, aby odzwierciedlać nowe dane
Interpretować predykcje modeli dla interesariuszy i zapewniać, że modele traktują użytkowników bezstronnie
Zwiększać dokładność, odtwarzalność i elastyczność
Dzięki wspaniałym, różnorodnym przykładom ta książka jest obowiązkową lekturą dla badaczy danych i inżynierów uczenia maszynowego dążących do zrozumienia sprawdzonych rozwiązań złożonych problemów uczenia maszyno-wego.
David Kanter
Dyrektor wykonawczy, ML Commons
Jeśli chcesz oszczędzić sobie siniaków na drodze do konstruowania rozwiązań uczenia maszynowego, Lak, Sara i Michael to osoby, na które możesz liczyć.
Will Grannis
Dyrektor zarządzający,
Cloud CTO Office, Google
Valliappa (Lak) Lakshmanan jest globalnym kierownikiem działu analizy danych i rozwiązań sztucznej inteligencji w Google Cloud.
Sara Robinson jest rzeczniczką deweloperów w zespole Google Cloud, skupiającą się na uczeniu maszynowym.
Michael Munn jest inżynierem rozwiązań uczenia maszynowego w Google, gdzie pomaga klientom projektować, implementować i wdrażać modele uczenia maszynowego.
Autor:
Valliappa Lakshmanan, Sara Robinson, Michael Munn
Wydawnictwo:
APN PROMISE
Rok wydania:
2021
Stron:
412
Informacje dotyczące bezpieczeństwa
Uważać na małe elementy.
Produkty dla dzieci powinny być użytkowane pod nadzorem dorosłego.
Stosować się do instrukcji producenta.
Przestrzegać ogólnych zasad bezpieczeństwa.
Nie ma jeszcze komentarzy ani ocen dla tego produktu.
- Rodzaje dostawy i formy płatności
Oferujemy możliwość wpłaty na konto bankowe lub skorzystanie z bezpiecznych płatności on-line AutoPay:
Przesyłkę dostarczy firma kurierska lub odbierzesz ją w paczkomacie lub paczkopunkcie firmy InPost
Przesyłkę dostarczy firma kurierska lub odbierzesz ją w paczkomacie lub paczkopunkcie firmy InPost
- Producenci
Sklep internetowy na oprogramowaniu Sky-Shop.pl
