Hodnotenie:
Momentálne nie sú žiadne recenzie čitateľov. Hodnotenie je založené na 2 hlasoch.
Practical Java Machine Learning: Projects with Google Cloud Platform and Amazon Web Services
1. Úvod Nastavenie IDE - Eclipse Nastavenie IDE - Android Studio Nastavenie Javy Výkonnosť strojového učenia s Javou Význam analytických iniciatív Firemné ciele ML Obchodný prípad nasadenia ML Obavy z nasadenia ML Strojové učenie Vývoj metodiky ML Súčasný stav techniky: Monitorovanie Výskumné dokumenty.
2. Údaje: Predbežné spracovanie dát Databázy JSON a NoSQL Súbory ARFF a CSV Vyhľadávanie verejných údajov Vytváranie vlastných údajov Vizualizácia údajov pomocou Javy + Javascript Projekt: DataViz.
3. Využívanie cloudových platforiem Google Cloud Platform Amazon AWS Využívanie API pre strojové učenie Projekt: GCP API Využitie cloudových platforiem na vytváranie modelov.
4. Algoritmy: Prehľad algoritmov Supervised Learning Unsupervised Learning Lineárne modely na predpovedanie a klasifikáciu Naive Bayes na klasifikáciu dokumentov Zhlukovanie Rozhodovacie stromy Výber správneho algoritmu Vytvorenie konkurenčnej výhody.
5. Prehľad prostredí strojového učenia v jazyku Java Výber prostredia Java Hlboký ponor: Weka Workbench Schopnosti Weka Doplnkové aplikácie Rapidminer Prehľad projektu: Klasifikácia dokumentov pomocou Weka.
6. Integrácia modelov.
© Book1 Group - všetky práva vyhradené.
Obsah tejto stránky nesmie byť kopírovaný ani použitý čiastočne alebo v celku bez písomného súhlasu vlastníka.
Posledná úprava: 2024.11.13 22:11 (GMT)