Машинное обучение с использованием искусственного интеллекта

Книга начинается с обзора различных типов алгоритмов машинного обучения включая контролируемое обучение неконтролируемое обучение и обучение с подкреплением. Затем авторы обсуждают различные методы обработки данных необходимые для машинного обучения такие как очистка данных разработка признаков и выбор модели.В последующих главах книги рассматривается широкий спектр тем машинного обучения включая:Регрессия: Метод прогнозирования непрерывных целевых значений.Классификация: Метод прогнозирования категориальных целевых значений.Кластеризация: Метод группировки похожих точек данных вместе.Снижение размерности: Метод уменьшения количества признаков в наборе данных.Оценка модели: Метод оценки эффективности модели машинного обучения.В книгу также включена глава о глубоком обучении которое является подобластью машинного обучения набравшей популярность в последние годы.