📗 Создание приложений машинного обучения. От идеи к продукту [2023] Эммануэль Амейзен
📘 Building Machine Learning Powered Applications: Going from Idea to Product [2020] Emmanuel Ameisen

💾 Скачать книги

Книга поможет:
• Определить цель вашего МО-проекта
• Быстро построить первый сквозной пайплайн и найти исходный датасет
• Обучить модель и устранить узкие места в ее производительности
• Развернуть модель и осуществить ее мониторинг

⚠️ Книги предоставляется вам для ознакомления и не для распространения

📖 Напоминаю, что Вы можете купить книгу в бумаге! Для наших подписчиков лучшие условия.
-35% по промокоду: PHYSICS MATH CODE 💡 Подробности тут

👨🏻‍💻 Для тех, кто захочет пожертвовать на покупку новых книг и админу на кофе:
ЮMoney: 410012169999048
Карта ВТБ: 4272290768112195
Карта Сбербанк: 2202200638175206

#анализ_данных #программирование #алгоритмы #машинное_обучение #прогнозирование #machine_learning #искусственный_интеллект

📕 Introduction to probability for Data Science [2021] Stanley H. Chan

💾 Скачать книгу

Целевая аудитория книги — студенты младших/старшекурсники и аспиранты первого курса, специализирующиеся в области электротехники и компьютерных наук. Обязательными условиями являются стандартная линейная алгебра и математическое моделирование для бакалавриата, за исключением раздела о характеристических функциях, где необходимы преобразования Фурье. Было бы достаточно курса бакалавриата по сигналам и системам, даже пройденного одновременно с изучением этой книги. #data_science #программирование #статистика #теория_вероятностей #анализ_данных #математика

📗 Введение в автоматизированное машинное обучение [2023] Хуттер, Коттхофф, Ваншорен
📘 Automated Machine Learning: Methods, Systems, Challenges [2019] Frank Hutter, Lars Kotthoff, Joaquin Vanschoren

⚠️ Книги предоставляется вам для ознакомления и не для распространения

💵 Купить книгу

💾 Ознакомиться с книгами RU + EN

Среди рассматриваемых тем:
▪️ оптимизация гиперпараметров;
▪️ обучение модели на основе свойств задачи;
▪️ обзор методов для NAS;
▪️ системы и фреймворки AutoML;
▪️ результаты проведения первых конкурсов в области AutoML;
▪️ проблемы автоматизированного машинного обучения.

👨🏻‍💻 Для тех, кто захочет пожертвовать на покупку новых книг и админу на кофе:
ЮMoney: 410012169999048
Карта ВТБ: 4272290768112195
Карта Сбербанк: 2202200638175206

#анализ_данных #программирование #алгоритмы #машинное_обучение #прогнозирование #machine_learning #искусственный_интеллект

📙 Метаобучение. Применение в AutoML и науке о данных [2023] Браздил, Рейн, Соарес, Ваншорен

📘 Metalearning: Applications to Data Mining [2009] Pavel Brazdil, Christophe Giraud-Carrier, Carlos Soares, Ricardo Vilalta

Издание адресовано исследователям в области машинного обучения, интеллектуального анализа данных и искусственного интеллекта, а также может быть полезно студентам и аспирантам.

⚠️ Книги предоставляется вам для ознакомления и не для распространения

💳 Купить книгу

💾 Ознакомиться с RU+EN

👨🏻‍💻 А для тех, кто захочет пожертвовать админу на шаурму и покупку других новинок:
ЮMoney: 410012169999048
Карта ВТБ: 4272290768112195
Карта Сбербанк: 2202200638175206

#программирование #метаобучение #python #AutoML #анализ_данных #машинное_обучение #data_science

📕 Data Engineering with Python: Work with massive datasets to design data models and automate data pipelines using Python [2020] Paul Crickard

💾 Скачать книгу

Книга покажет вам, как решать проблемы, с которыми обычно сталкиваются в различных аспектах разработки данных. Вы начнете с ознакомления с основами разработки данных, а также с технологиями и фреймворками, необходимыми для построения конвейеров данных для работы с большими наборами данных. Вы узнаете, как преобразовывать и очищать данные, а также выполнять аналитику, чтобы получить максимальную отдачу от ваших данных. По мере продвижения вы узнаете, как работать с большими данными различной сложности и производственными базами данных, а также создавать конвейеры передачи данных. Используя реальные примеры, вы создадите архитектуры, на которых узнаете, как развертывать конвейеры передачи данных.

К концу этой книги по Python вы получите четкое представление о методах моделирования данных и сможете уверенно создавать конвейеры разработки данных для отслеживания данных, проведения проверок качества и внесения необходимых изменений в производство.

Эта книга предназначена для аналитиков данных, разработчиков ETL и всех, кто хочет начать работу в области разработки данных или перейти в нее, а также освежить свои знания в области разработки данных с использованием Python. Эта книга также будет полезна студентам, планирующим построить карьеру в области разработки данных, или ИТ-специалистам, готовящимся к переходу. Никаких предварительных знаний в области обработки данных не требуется. #Python #анализ_данных #data_science #big_data