Книга: «Машинное обучение на табличных данных: XGBoost, глубокое обучение и ИИ»

В сфере искусственного интеллекта произошло заметное событие. ph_piter 1 минуту назад Книга: «Машинное обучение на табличных данных: XGBoost, глубокое обучение и ИИ» Время на прочтение 3 мин Охват и читатели 9 Блог компании Издательский дом «Питер» Профессиональная литература * Машинное обучение * Искусственный интеллект Хранение данных * Привет, Хаброжители! Машинное обучение может ускорить выполнение повседневных бизнес-задач, таких как сверка счетов, прогнозирование спроса или автоматизация обслуживания клиентов, не говоря уже о более сложных задачах, например выявление мошенничества, прогнозное техническое обслуживание и персонализированный маркетинг. Извлекайте важную информацию из электронных таблиц, реестров, баз данных и других источников, используя градиентный бустинг, глубокое обучение и генеративный ИИ.

«Машинное обучение на табличных данных» описывает практические методы машинного обучения для модернизации каждого этапа анализа бизнес-данных. Вас ждут примеры использования XGBoost и Keras для прогнозирования цен на краткосрочную аренду недвижимости, развертывание локальной модели машинного обучения с помощью Python и Flask и оптимизация рабочих процессов с использованием больших языковых моделей (LLM). Научитесь делать свои модели более мощными и интерпретируемыми.

Технические детали

Что внутри: Изучение XGBoost. Применение глубокого обучения к табличным данным. Развертывание модели на локальной системе и в облаке.

Создание пайплайнов обучения и сопровождение моделей. Для кого эта книга Эта книга предназначена для широкой аудитории, которая охватывает специалистов по данным, ML-инженеров, а также представителей бизнеса. Если у вас имеются базовые знания о классических методах машинного обучения и понятие о глубоком обучении, эта книга будет вам особенно полезна.

В примерах кода, которые представлены в книге, используется Python, и большинство примеров предназначены для запуска в облачных средах Jupyter Notebook, таких как Google Colab. Очень хорошо, если вам уже знакомы стандартные методы Python для работы с табличными данными, в частности библиотеки pandas и NumPy. Помимо этого главы 10 и 11 включают код, который запускается в среде Google Cloud.

Отраслевые последствия

При этом вам не обязательно уметь работать с этой платформой — мы расскажем все, что нужно знать; однако, если вам уже приходилось иметь дело с одной из основных облачных сред (AWS, Azure или Google Cloud), этот опыт вам пригодится. «Исследование захватывающих возможностей генеративного ИИ для анализа табличных данных, затрагивающее темы создания синтетических данных, генерации признаков и интерпретации моделей». — Гас Мартинс , Google «Бесценный ресурс для изучения практических методов машинного обучения без погружения в излишне сложную теорию».

— Дмитрий Ефимов , Amazon «Дает знания, необходимые для решения любых задач, связанных с табличными данными. Лука и Райан проделали отличную работу, охватив всю эту многогранную тему». — Боян Тунгуз , Tabul.

Этот прогресс даёт важные сигналы о будущем отрасли, и технологический мир внимательно наблюдает.