Новости

Узнайте тонкости работы алгоритмов ML, чтобы эффективно решать задачи и повышать производительность используемых моделей. Познакомьтесь с фундаментальными математическими основами важнейших алгоритмов машинного обучения и вариантами их реализации на Python. Особое внимание уделяется вероятностным методам.

В книге анализируются и объясняются десятки алгоритмов, применяемых в различных сферах, в частности финансах, компьютерном зрении и обработке естественного языка. Каждый алгоритм сначала выводится математически, а потом иллюстрируется кодом на Python, снабженным подробными пояснениями и информативными графиками. Особую ценность представляет данная автором ясная интерпретация байесовских алгоритмов для моделей Монте-Карло и марковских цепей.

• Моделирование цен на акции методом Монте-Карло

• EM-алгоритм для скрытых марковских моделей

• Обучение на несбалансированных данных, активное и ансамблевое обучение

• Байесовская оптимизация подбора гиперпараметров

• Обнаружение аномалий во временных рядах

Для специалистов-практиков по машинному обучению, знакомых с линейной алгеброй, теорией вероятностей и основами математического анализа.

«Отличная книга! Она демонстрирует, как можно реализовать популярные алгоритмы машинного обучения на простом Python с использованием минимального набора самых распространенных библиотек. Вы становитесь живым свидетелем того, как вычисления и математика работают на практике».
— Джунпен Лао, старший специалист по data science в компании Google

Об авторе и редакторе русского издания