Normal view
MARC view
Машинное обучение учебное пособие А. В. Платонов.
Material type:
TextLanguage: Russian Series: Высшее образованиеPublication details: Москва Юрайт 2023Description: 85 сISBN: 978-5-534-15561-7Subject(s): Информатика | Технические науки и информационные технологии | Интеллектуальный анализ данных и машинное обучение | Нейронные сети в машинном обучении | Машинное обучение | Машинное обучение и майнинг данных | Машинное обучение и приложения | Машинное обучение на больших данных | Методы машинного обучения | Основы машинного обучения и майнинга данных | Введение в машинное обучение | Дополнительные главы машинного обучения | Машинное обучение (продвинутый уровень) | Машинное обучение в цифровой экономике | Прикладное машинное обучение и интеллектуальный анализ данных | Основы математической статистики в машинном обучении | Искусственный интеллект и машинное обучение | Технологии машинного обучения | Машинное обучение и нейронные сети | Машинное обучение без учителя | Методы машинного обучения с учителем | Задачи и модели машинного обучения | Методы и технологии машинного обучения | Технологии машинного обучения и Big Data программного обеспечения | Интеллектуальные системы обработки информации и машинное обучение | Алгоритмы машинного обучения | Глубокое машинное обучение, часть | Облачные вычисления для решения задач в машинном обучении | Решение прикладных задач с применением методов машинного обучения | Машинное обучение в задачах обработки аэрокосмической информации | Разработка приложений для систем машинного обучения | Имитационные модели в задачах машинного обучения | Анализ больших данных и машинное обучение | Глубокое машинное обучение | Основы машинного обучения | Компьютерное моделирование в машинном обучении | Машинное обучение в финансах | Машинное обучение в физике | Методы кластеризации при мониторинге автоматизированных систем | Методы машинного обучения в информационной безопасности | Интеллектуальные системы и машинное обучение | Основы анализа больших данных и машинное обучение | Распознавание образов и машинное обучение | Машинное обучение и обработка больших объемов данных | Методы машинного обучения и визуализации данных | Обработка медико-биологических данных методами машинного обучения: проектное обучение | Применение методов машинного обучения в задачах распознавания образов | Прикладные задачи машинного обучения и обработка больших данных | Теория машинного обучения | Нейронные сети и машинное обучение | Машинное обучение и искусственный интеллект | Анализ временных рядов методами машинного обучения | Байесовские методы Системный анализ и информатика | Машинное обучение Системный анализ и информатика | Продвинутые методы машинного обучения | Методы машинного обучения и интеллектуального анализа данных | Математические основы машинного обучения | Машинное обучение в задачах механики | Машинное обучение для решения прикладных задач | Технологии и инструментарий машинного обучения | Интеллектуальные алгоритмы и машинное обучение | Искусственный интеллект и машинное обучение в цифровой экономике | Машинное обучение в инженерии знаний | Машинное обучение и большие данные | Машинное обучение и прикладная математика в | Машинное обучение. Дополнительные главы | Обучение машин: дополнительные главы | Статистическая теория машинного обучения | Машинное обучение и интеллектуальные системы | Математические методы машинного обучения | Машинное обучение в системах искусственного интеллекта | Прикладные методы машинного обучения и анализа больших данных | Современная прикладная статистика с элементами машинного обучения | Алгоритмы и методы машинного обучения | Модели и методы машинного обучения | Машинное обучение и системы искусственного интеллекта в логистике | Машинное обучение и управление большими данными | Машинное обучение и управление большими данными в наукоемком производстве | Машинное обучение в задачах прикладной экономики | Машинное обучение и большие массивы данных | Машинное обучение в интеллектуальных технических системах | Нейронные сети и методы машинного обучения | Дополнительные разделы машинного обучения | Интеллектуальный анализ данных и машинное обучение в химии и материаловедении | Когнитивные технологии и машинное обучение в планировании и сопровождении спасательных и специальных операций | Машинное обучение в физических задачах | Методы машинного обучения для обработки промышленных данных | Принципы машинного обучения | Специализированные технологии машинного обучения | Технологии машинного обучения в задачах развития городских территорий | Технологии машинного обучения и анализа больших данных | Статистические методы машинного обучения | Математика машинного обучения | Прикладные аспекты машинного обучения | Введение в машинное обучение и анализ данных | Машинное обучение (нейронные сети) | Введение в искусственный интеллект и машинное обучение | Основы искусственного интеллекта и машинного обучения | Машинное обучение для решения задач кибернетики | Методы оптимизации в машинном обучении | Теория машинного обучения и распознавания образов | Технологии и методы машинного обученияOther classification: 22.18я73 Online resources: Click here to access online | Click here to access online Summary: Учебное пособие содержит введение в методы автоматического извлечения или порождения знаний с помощью машинного обучения. Это сравнительно молодое, но перспективное направление в области искусственного интеллекта, поскольку оно позволяет работать с «сырыми» данными. Рассматриваются основные принципы машинного обучения, которые можно применять как в технических, так и в информационных системах. Соответствует актуальным требованиям федерального государственного образовательного стандарта высшего образования. Для студентов высших учебных заведений, аспирантов, преподавателей, слушателей курсов повышения квалификации, а также разработчиков программного обеспечения.
No physical items for this record
URL: https://urait.ru/bcode/520544 (дата обращения: 31.01.2024).
Учебное пособие содержит введение в методы автоматического извлечения или порождения знаний с помощью машинного обучения. Это сравнительно молодое, но перспективное направление в области искусственного интеллекта, поскольку оно позволяет работать с «сырыми» данными. Рассматриваются основные принципы машинного обучения, которые можно применять как в технических, так и в информационных системах. Соответствует актуальным требованиям федерального государственного образовательного стандарта высшего образования. Для студентов высших учебных заведений, аспирантов, преподавателей, слушателей курсов повышения квалификации, а также разработчиков программного обеспечения.
Режим доступа: Электронно-библиотечная система Юрайт, для авториз. пользователей
There are no comments on this title.