Показать виджеты
Скрыть виджеты
10 декабря 2024 активны на платформе
51 948 +6
Преподавателей
647 022 +1044
Студента
Версия для слабовидящих

Корзина

Позиций
Стоимость 0
Перейти в корзину
Войдите или зарегистрируйтесь, чтобы получить все преимущества платформы Юрайт!

Машинное обучение

  • Скопировать в буфер библиографическое описание
    Платонов, А. В.  Машинное обучение : учебное пособие для вузов / А. В. Платонов. — Москва : Издательство Юрайт, 2023. — 85 с. — (Высшее образование). — ISBN 978-5-534-15561-7. — Текст : электронный // Образовательная платформа Юрайт [сайт]. — URL: https://urait.ru/bcode/520544 (дата обращения: 10.12.2024).
  • Добавить в избранное
Учебное пособие для вузов
2023
Страниц 85
Обложка Мягкая
Гриф Гриф УМО ВО
ISBN 978-5-534-15561-7
Библиографическое описание
Платонов, А. В.  Машинное обучение : учебное пособие для вузов / А. В. Платонов. — Москва : Издательство Юрайт, 2023. — 85 с. — (Высшее образование). — ISBN 978-5-534-15561-7. — Текст : электронный // Образовательная платформа Юрайт [сайт]. — URL: https://urait.ru/bcode/520544 (дата обращения: 10.12.2024).
Дисциплины
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 обучения
Показать все

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.

Оплаченный доступ к контенту предоставляется только на платформе, а также онлайн и офлайн в мобильном приложении
Скачивание контента в PDF недоступно
10 учебных заведений выбрали эту книгу
Подписка от 349 ₽/мес.
Эта книга и более
11 150 других учебников и
курсов будут доступны при покупке личной подписки