Конкуренция Manjue Kaggle, чтобы атаковать читы, чтобы раскрыть флаг характерного инженерного менталитета Grandmaster

Вес товара: ~0.7 кг. Указан усредненный вес, который может отличаться от фактического. Не включен в цену, оплачивается при получении.
Описание товара
- Информация о товаре
- Фотографии
Соревнования по конкуренции Kaggle - раскрыть характеристики Grandmaster и освоить ключевые технологии победы
Технология анализа Kaggle / начальная версия
Подробности
Автор: Оширо Дайсуке, Саката Такаджи, Йошисуке, Хирамацу Оши
Переводчик: Li Yanting
Издатель: флаг Марк
Дата публикации: 2021/02/22
Язык: традиционный китайский
Цены: 1000 юаней
ISBN: 9789863126379
Технические характеристики: мягкая обложка / 480 страниц / 18,3 x 23,5 x 2,4 см / нормальная печать / монохромная печать / первое издание
краткое введение
В настоящее время Kaggle является крупнейшей платформой конкуренции по науке о данных, которая объединяет более 100 000 ученых по данным со всего мира, чтобы решить информацию и проблемы, раскрытые крупными компаниями на платформе. Кейггл однажды провел соревнование с общим призом в миллион долларов США, ищет экспертов из всех слоев общества, чтобы решить проблему идентификации изображения рака;Некоторые участники также успешно вошли в компанию, потому что они решили проблему, опубликованную компанией по страхованию жизни на Kaggle. Следовательно, Kaggle, несомненно, является способом показать свою превосходную техническую силу, и это также способ искать хорошие бонусы, зарплаты и лучшие позиции.
Для инженеров и студентов искусственного интеллекта платформа Kaggle предоставляет большое количество свободных ресурсов: сбор данных реального мира, обсуждение и обмен экспертами, а также накопленный практический опыт и т. Д. Эти ресурсы почти трудно получить в общих классах, но это знания и навыки, которые наиболее необходимы в этой области.
Автор этой книги - четыре эксперта по науке о данных Kaggle.Они не только анализируют различные характерные инженерные технологии с практической точки зрения, но и выходят за рамки общих учебников; Что еще более важно, они предоставляют различные методы и процессы, позволяющие читателям напрямую пропустить стадию попыток и изучения.Представьте себе, что следующие проблемы не являются трудностями, с которыми вы часто сталкиваетесь на практике!И автор объяснит в книге, как они рассматривают и решают эти вещи:
● Как оптимизировать порог модели, чтобы получить наивысшую оценку оценки?
● Как преобразовать данные посредством кодирования, сокращения размерности и т. Д. Чтобы выделить характеристики данных?
● Как выбрать модель на основе шаблона проблемы и извлечь соответствующие характеристики в соответствии с характеристиками модели?
● Как правильно проверить данные о времени, чтобы избежать чрезмерного урегулирования или эякуляции данных?
● Как настроить параметры деревьев решений по улучшению градиента и нейронных сетей?
● Как эффективно интегрировать различные методы, которые вы изучили?
Мы также добавили редактора в книгу вовремя, чтобы читатели могли полностью поглотить суть мыслей четырех экспертов. Мы надеемся, что после прочтения этой книги мы сможем не только добиться отличных результатов в конкуренции Kaggle, но и полагать, что читатели могут решить сложные и запутанные материалы в своей работе и исследованиях.
Давайте вместе достигнем пика науки данных!
Особенности этой книги
● Доктор Чен Пейин, выдающийся профессор информационной инженерии, Национальный университет Ченгонг рекомендовал
● Эта книга контролируется исследовательским офисом Ши Вайминга, и ее легко читать и понять. Большое количество «заметок редактора» и «Дополнение редактора» добавляются, чтобы помочь понять и дополнить необходимые знания.
● Соберите 4 эксперта по Kaggle для накопления практического опыта в общей сложности 37 медалей
● Организовать трудности и решения различных характерных проектов в текущей практике
● Поделиться ценным опытом использования различных технологий и практических результатов
● Раскрыть лучшую в своем классе Ensing Essence конкуренции Kaggle
● Предоставьте загрузки программ Python примеров в книге





