Машинное обучение с использованием библиотеки Н2О [Даррен Кук] [Повтор]

Машинное обучение с использованием библиотеки Н2О​

• Оригинальное название: "Practical Machine Learning with H2O"
• Оригинальный правообладатель: "O'Reilly"
• Дата выхода на ЛитРес: 21 ноября 2017
• Дата перевода: 2018
• Дата написания: 2017
• Объем: 252 стр.
• ISBN: 978-5-97060-508-0
• Общий размер: 9 MB
• Общее кол-во страниц: 252
• Переводчик: А. Б. Огурцов
• Тип: PDF (изначально компьютерного качества)

Н2О – простая в использовании и открытая библиотека, которая поддерживает большое количество операционных систем и языков программирования, а также масштабируется для обработки больших данных. Эта книга научит вас использовать алгоритмы машинного обучения, реализованные в Н2О, с упором на наиболее важные для продуктивной работы аспекты. Рассмотрены глубокое обучение, случайный лес, обучение на неразмеченных данных и ансамбли моделей.

В российское издание добавлены дополнительно два приложения, описывающих новейшие модули Н2О – Deep Water и Stacked Ensemble. Их также можно найти в репозитории github.com/statist-bhfz/h2o_book_translate .

Издание предназначено для специалистов по анализу данных, желающих изучить и применять на практике относительно новый, но многообещающий инструмент – библиотеку Н2О.

Если вы умеете программировать на R или Python, хотя бы немного знаете статистику и имеете опыт обработки данных, эта книга Даррена Кука познакомит вас с основами использования H2O и поможет вам поэкспериментировать с машинным обучением на наборах данных разного размера. Вы изучите несколько современных алгоритмов машинного обучения: глубокое обучение, «случайный лес», обучение на неразмеченных данных и ансамбли моделей.

Прочтя эту книгу, вы:

• узнаете, как импортировать данные в H2O, преобразовывать их и экспортировать их из H2O;
• изучите основные концепции машинного обучения, такие как перекрестная проверка и проверочные наборы данных;
• поработаете с тремя разными наборами данных, решая задачи регрессии, бинарной и многоклассовой классификации;
• используете H2O для анализа каждого набора данных при помощи четырех алгоритмов машинного обучения;
• поймете, как работает кластерный анализ и другие алгоритмы обучения на неразмеченных данных.

Спойлер: Отзывы

Спойлер: Предудущая складчина

Текущая тема является повтором но предыдущая складчина была на скан (получился очень плохой скан с сильным JPEG артифактами)
Скрытая ссылка

Скрытая ссылка