Apprentissage automatique pour les applications à haut risque
A

Apprentissage automatique pour les applications à haut risque

Apprentissage automatique
machine learning risk management XGBoost Python Explainable AI model validation NIST AI framework
Auteur
Patrick Hall, James Curtis, Parul Pandey
Éditeur
ALIST
Année
2025
Langue
Russe
49
Évaluer ce livre

Pour lire le livre, se connecter / s'inscrire

Aperçu du fragment

Livres similaires

Apprentissage automatique. Portfolio de projets réels

Apprentissage automatique. Portfolio de projets réels

Alexeï Grigoriev

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

Machine Learning et Intelligence Artificielle Appliqués pour les Ingénieurs

Machine Learning et Intelligence Artificielle Appliqués pour les Ingénieurs

Jeff Pross

Machine Learning. Design Patterns

Machine Learning. Design Patterns

Valliappa Lakshmanan, Sara Robinson, Michael Munn

Apprentissage automatique

Apprentissage automatique

Henrik Brink, Joseph Richards, Mark Feverolf

Comprendre le machine learning

Comprendre le machine learning

Serrano Luis

Machine Learning : Guide de poche. Un guide concis des méthodes d'apprentissage automatique structuré avec Python

Machine Learning : Guide de poche. Un guide concis des méthodes d'apprentissage automatique structuré avec Python

Matt Harrison

Apprentissage automatique avec intervention humaine

Apprentissage automatique avec intervention humaine

Robert (Munro) Monarque

Construction de systèmes d'apprentissage automatique avec Python. 2e édition

Construction de systèmes d'apprentissage automatique avec Python. 2e édition

Luis Pedro Coelho, Willy Richarte

Machine Learning dans Elastic Stack

Machine Learning dans Elastic Stack

Rich Collier, Camilla Montonen, Bahaaaldin Azarmi