Aborder (Presque) N'importe Quel Problème de Machine Learning
A

Aborder (Presque) N'importe Quel Problème de Machine Learning

Apprentissage automatique
machine learning practical guide Python data science model deployment feature engineering cross-validation
Auteur
Abhishek Thakur
Éditeur
Self-published
Année
2020
Langue
Anglais
168
Évaluer ce livre

Pour lire le livre, se connecter / s'inscrire

Aperçu du fragment

Livres similaires

Machine Learning Appliqué : Utiliser le Machine Learning pour Résoudre des Problèmes Métier

Machine Learning Appliqué : Utiliser le Machine Learning pour Résoudre des Problèmes Métier

Jason Hodson

Pro Machine Learning Algorithms : Une Approche Pratique pour Implémenter des Algorithmes en Python et R

Pro Machine Learning Algorithms : Une Approche Pratique pour Implémenter des Algorithmes en Python et R

V Kishore Ayyadevara

Données sans étiquettes : apprentissage automatique non supervisé pratique

Données sans étiquettes : apprentissage automatique non supervisé pratique

Vaibhav Verdhan

Algorithmes d'Apprentissage Automatique Adaptatifs avec Python : Résoudre les Problèmes d'Analyse de Données et d'Apprentissage Automatique sur les Appareils Edge

Algorithmes d'Apprentissage Automatique Adaptatifs avec Python : Résoudre les Problèmes d'Analyse de Données et d'Apprentissage Automatique sur les Appareils Edge

Chanchal Chatterjee

Recettes d'apprentissage automatique MATLAB : une approche problème-solution

Recettes d'apprentissage automatique MATLAB : une approche problème-solution

Michael Paluszek, Stephanie Thomas

Machine Learning Q and AI : 30 questions essentielles et réponses sur le Machine Learning et l'IA

Machine Learning Q and AI : 30 questions essentielles et réponses sur le Machine Learning et l'IA

Sebastian Raschka

Machine Learning Appliqué et Calcul Haute Performance sur AWS

Machine Learning Appliqué et Calcul Haute Performance sur AWS

Mani Khanuja, Farooq Sabir, Shreyas Subramanian, Trenton Potgieter

Machine Learning pour les Données Déséquilibrées : Gérer les ensembles de données déséquilibrés avec des techniques de machine learning et de deep learning

Machine Learning pour les Données Déséquilibrées : Gérer les ensembles de données déséquilibrés avec des techniques de machine learning et de deep learning

Kumar Abhishek, Dr. Mounir Abdelaziz

Machine Learning pour les Applications à Haut Risque : Approches de l'IA Responsable

Machine Learning pour les Applications à Haut Risque : Approches de l'IA Responsable

Patrick Hall, James Curtis, Parul Pandey

Algorithmes de Machine Learning en Profondeur

Algorithmes de Machine Learning en Profondeur

Vadim Smolyakov