Последние темы автора:
- [Школа нейрографики] Оксана Авдеева ― Коридор благоприятных обстоятельств (2025)
- [Дарья Харитоненко] Amazon Дизайнер за 60 дней с доходом в долларах. Программа Профи (2025)
- [Live Investing Group] [Евгений Домрачев] Мастер тренда (2024) [Тариф Премиум]
- [OTUS] Системный аналитик. Advanced. Часть 1 из 7 (2024)
- [ProfileSchool] Антон Мартынов ― Как решать задачи с нейросетями (2025)
[Валерий Манохин, Артем Груздев] [ДМК] Конформное прогнозирование в Python (2024)
Данная книга предлагает углубленное изучение конформного прогнозирования — новейшего подхода, позволяющего управлять неопределенностью в различных задачах машинного обучения. Вы узнаете, как конформное прогнозирование создает точно откалиброванные прогнозные интервалы для регрессии и решает задачи прогнозирования временных рядов и несбалансированных данных. Практические примеры на Python, а также использование реальных наборов данных, экспертных рекомендаций и открытых библиотек обеспечат вам глубокое понимание этого подхода.
Для изучения материала понадобятся базовые знаниями в области машинного обучения и программирования на Python.
Издание: Цветное
Оригинальное название: Practical Guide to Applied Conformal Prediction in Python
Автор: Манохин В., Груздев А.В.
Формат: PDF.
Подробнее:
Описание:
Данная книга предлагает углубленное изучение конформного прогнозирования — новейшего подхода, позволяющего управлять неопределенностью в различных задачах машинного обучения. Вы узнаете, как конформное прогнозирование создает точно откалиброванные прогнозные интервалы для регрессии и решает задачи прогнозирования временных рядов и несбалансированных данных. Практические примеры на Python, а также использование реальных наборов данных, экспертных рекомендаций и открытых библиотек обеспечат вам глубокое понимание этого подхода.
В числе рассматриваемых тем:
- основные концепции и принципы конформного прогнозирования;
- отличие конформного прогнозирования от традиционных методов машинного обучения;
- конформное прогнозирование для несбалансированных наборов данных и многоклассовой классификации;
- передовые методы измерения и управления неопределенностью в промышленных задачах;
- конформный подход к оценке неопределенности в прогнозировании и NLP.
Для изучения материала понадобятся базовые знаниями в области машинного обучения и программирования на Python.
Издание: Цветное
Оригинальное название: Practical Guide to Applied Conformal Prediction in Python
Автор: Манохин В., Груздев А.В.
Формат: PDF.
Подробнее:
Для просмотра ссылок пройдите регистрацию
