Nos liseuses Vivlio rencontrent actuellement des problèmes de synchronisation. Nous faisons tout notre possible pour résoudre ce problème le plus rapidement possible. Toutes nos excuses pour la gêne occasionnée !
- Retrait gratuit dans votre magasin Club
- 7.000.000 titres dans notre catalogue
- Payer en toute sécurité
- Toujours un magasin près de chez vous
Nos liseuses Vivlio rencontrent actuellement des problèmes de synchronisation. Nous faisons tout notre possible pour résoudre ce problème le plus rapidement possible. Toutes nos excuses pour la gêne occasionnée !
- Retrait gratuit dans votre magasin Club
- 7.000.0000 titres dans notre catalogue
- Payer en toute sécurité
- Toujours un magasin près de chez vous
Cracking the Machine Learning Code: Technicality or Innovation?
Kc Santosh, Rodrigue Rizk, Siddhi K Bajracharya
259,45 €
+ 518 points
Description
Employing off-the-shelf machine learning models is not an innovation. The journey through technicalities and innovation in the machine learning field is ongoing, and we hope this book serves as a compass, guiding the readers through the evolving landscape of artificial intelligence. It typically includes model selection, parameter tuning and optimization, use of pre-trained models and transfer learning, right use of limited data, model interpretability and explainability, feature engineering and autoML robustness and security, and computational cost - efficiency and scalability. Innovation in building machine learning models involves a continuous cycle of exploration, experimentation, and improvement, with a focus on pushing the boundaries of what is achievable while considering ethical implications and real-world applicability. The book is aimed at providing a clear guidance that one should not be limited to building pre-trained models to solve problems using the off-the-self basic building blocks. With primarily three different data types: numerical, textual, and image data, we offer practical applications such as predictive analysis for finance and housing, text mining from media/news, and abnormality screening for medical imaging informatics. To facilitate comprehension and reproducibility, authors offer GitHub source code encompassing fundamental components and advanced machine learning tools.
Spécifications
Parties prenantes
- Auteur(s) :
- Editeur:
Contenu
- Nombre de pages :
- 127
- Langue:
- Anglais
- Collection :
- Tome:
- n° 1155
Caractéristiques
- EAN:
- 9789819727193
- Date de parution :
- 09-05-24
- Format:
- Livre relié
- Format numérique:
- Genaaid
- Dimensions :
- 152 mm x 226 mm
- Poids :
- 385 g
