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.
Jazyk R predlagaet moschnyj nabor metodov mashinnogo obuchenija, pozvoljajuschikh bystro provodit netrivialnyj analiz vashikh dannykh.Kniga javljaetsja rukovodstvom, kotoroe pomozhet primenjat metody mashinnogo obuchenija v reshenii ezhednevnykh zadach. Brett Lants nauchit vsemu neobkhodimomu dlja analiza dannykh, formirovanija prognozov i vizualizatsii dannykh.Zdes vy najdete informatsiju o novykh uluchshennykh bibliotekakh, sovety ob eticheskikh aspektakh mashinnogo obuchenija i problemakh predvzjatosti, a takzhe poznakomites s glubokim obucheniem.V etoj knige- Osnovy mashinnogo obuchenija i osobennosti obuchenija kompjutera na primerakh.- Podgotovka dannykh k ispolzovaniju v mashinnom obuchenii sredstvami jazyka R.- Klassifikatsija znachimosti rezultatov.- Predskazanie sobytij s pomoschju derevev reshenij, pravil i opornykh vektorov.- Prognozirovanie chislovykh dannykh i otsenka finansovykh dannykh s pomoschju regressionnykh metodov.- Modelirovanie slozhnykh protsessov s ispolzovaniem nejronnykh setej – fundament glubokogo obuchenija.- Otsenka modelej i uluchshenie ikh proizvoditelnosti.- Novejshie tekhnologii dlja obrabotki bolshikh dannykh, v chastnosti R 3.6, Spark, H2O i TensorFlow.
