Показать виджеты
Скрыть виджеты
01 мая 2026 активны на платформе
49 572 -8
Преподавателя
650 257 -1387
Студентов
Версия для слабовидящих

Корзина

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

Основы технологии производства и машинное обучение

  • Скопировать в буфер библиографическое описание
    Трубочкина, Н. К.  Основы технологии производства и машинное обучение : учебник для вузов / Н. К. Трубочкина. — Москва : Издательство Юрайт, 2025. — 379 с. — (Высшее образование). — ISBN 978-5-534-22010-0. — Текст : электронный // Образовательная платформа Юрайт [сайт]. — URL: https://urait.ru/bcode/600548 (дата обращения: 01.05.2026).
  • Добавить в избранное
Учебник для вузов
2025
Страниц 379
Обложка Твердая
Гриф Гриф УМО ВО
ISBN 978-5-534-22010-0
Библиографическое описание
Трубочкина, Н. К.  Основы технологии производства и машинное обучение : учебник для вузов / Н. К. Трубочкина. — Москва : Издательство Юрайт, 2025. — 379 с. — (Высшее образование). — ISBN 978-5-534-22010-0. — Текст : электронный // Образовательная платформа Юрайт [сайт]. — URL: https://urait.ru/bcode/600548 (дата обращения: 01.05.2026).
Дисциплина
Технология производства , Интеллектуальный анализ данных и машинное обучение , 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 , Машинное обучение в среде R , Машинное обучение (продвинутый уровень) , Машинное обучение и анализ данных , Анализ данных и машинное обучение , Машинное обучение в цифровой экономике , Прикладное машинное обучение и интеллектуальный анализ данных , Основы математической статистики в машинном обучении , Технологии машинного обучения , Машинное обучение и нейронные сети , Машинное обучение без учителя , Задачи и модели машинного обучения , Методы и технологии машинного обучения , Алгоритмы машинного обучения , Глубокое машинное обучение, часть , Решение прикладных задач с применением методов машинного обучения , Машинное обучение в задачах обработки аэрокосмической информации , Алгоритмы машинной графики , Прикладное машинное обучение на языке Python , Анализ больших данных и машинное обучение , Глубокое машинное обучение , Основы машинного обучения , Методы машинного обучения в обработке естественных языков , Python в задачах машинного обучения , Машинное обучение в финансах , Машинное обучение в физике , Методы машинного обучения в информационной безопасности , Распознавание образов и машинное обучение , Машинное обучение и обработка больших объемов данных , Машинное обучение и технологии анализа данных , Методы машинного обучения и визуализации данных , Применение методов машинного обучения в задачах распознавания образов , Прикладные задачи машинного обучения и обработка больших данных , Теория машинного обучения , Нейронные сети и машинное обучение , Введение в машинное обучение с Питон , Цифровая трансформация производственных систем , Анализ временных рядов методами машинного обучения , Байесовские методы машинного и глубинного обучения , Машинное обучение Системный анализ и информатика , Методы машинного обучения и интеллектуального анализа данных , Машинное обучение в транспортной логистике , Математические основы машинного обучения , Машинное обучение в задачах механики , Машинное обучение для решения прикладных задач , Машинное обучение с подкреплением , Технологии и инструментарий машинного обучения , Машинное обучение в инженерии знаний , Введение в анализ данных и машинное обучение , Машинное обучение и большие данные , Машинное обучение и прикладная математика в , Машинное обучение. Дополнительные главы , Статистическая теория машинного обучения , Анализ данных на основе машинного обучения , Математические методы машинного обучения , Машинное обучение в системах искусственного интеллекта , Машинное обучение и программирование , Основы машинного обучения и анализа данных , Прикладные методы машинного обучения и анализа больших данных , Машинное обучение на Python , Алгоритмы и методы машинного обучения , Глубокое обучение с Python , Материаловедение и основы технологии производства , 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 , Основы нейроинформатики и машинного обучения , Методы машинного обучения в культурной аналитике , Методы машинного обучения в цифровых гуманитарных исследованиях , Методы машинного обучения для анализа геопространственных данных , Методы машинного обучения для обработки промышленных данных , Принципы машинного обучения , Специализированные технологии машинного обучения , Байесовские методы в статистике и машинном обучении , Методы классификации и машинное обучение , Статистические методы машинного обучения , Искусственные нейронные сети на Python , Математика машинного обучения , Прикладные аспекты машинного обучения , Введение в машинное обучение и анализ данных , Машинное обучение (нейронные сети) , Машинное обучение для решения задач кибернетики , Методы анализа данных и машинное обучение , Теория машинного обучения и распознавания образов , Технологии и методы машинного обучения , Цифровая трансформация производства , Байесовские методы в машинном обучении , Основы технологии производства и машинное обучение , Системы искусственного интеллекта и машинное обучение , Основы построения систем искусственного интеллекта и машинного обучения
Показать все

Курс посвящен формированию у студентов целостного представления о современных производственных процессах и методах их анализа и управления на основе технологий машинного обучения. В условиях четвертой промышленной революции, когда традиционные инженерные дисциплины неразрывно переплетаются с интеллектуальными методами обработки данных, возникает потребность в специалистах, способных интегрировать знания из обих областей. Настоящий курс призван удовлетворить эту потребность, предлагая систематизированное изложение как фундаментальных основ технологии производства, так и современных подходов к применению алгоритмов искусственного интеллекта в промышленности.

Оплаченный доступ к контенту предоставляется только на платформе, а также онлайн и офлайн в мобильном приложении
Скачивание контента в PDF недоступно
Документы о прохождении курсов не выдаются. Преподаватели могут повысить квалификацию:
  1. На школе преподавателей
  2. На конференциях
Узнать цены для учебных заведений
Подписка от 475 ₽/мес.
Эта книга и более
11 259 других учебников и
курсов будут доступны при покупке личной подписки