Алгоритмы машинного обучения

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.

В работе над книгой принимал участие клуб ReadIT

1. Моделирование цен на акции методом Монте-Карло.
2. EM-алгоритм для скрытых марковских моделей.
3. Обучение на несбалансированных данных, активное и ансамблевое обучение.
4. Байесовская оптимизация подбора гиперпараметров.
5. Обнаружение аномалий во временных рядах.