Your email was sent successfully. Check your inbox.

An error occurred while sending the email. Please try again.

Proceed reservation?

Export
  • 1
    Online Resource
    Online Resource
    [Erscheinungsort nicht ermittelbar] : O'Reilly Media, Inc. | Boston, MA : Safari
    Language: English
    Pages: 1 online resource (223 pages)
    Edition: 1st edition
    Keywords: Electronic books ; local
    Abstract: Machine learning is an intimidating subject until you know the fundamentals. If you understand basic coding concepts, this introductory guide will help you gain a solid foundation in machine learning principles. Using the R programming language, you’ll first start to learn with regression modelling and then move into more advanced topics such as neural networks and tree-based methods. Finally, you’ll delve into the frontier of machine learning, using the caret package in R. Once you develop a familiarity with topics such as the difference between regression and classification models, you’ll be able to solve an array of machine learning problems. Author Scott V. Burger provides several examples to help you build a working knowledge of machine learning. Explore machine learning models, algorithms, and data training Understand machine learning algorithms for supervised and unsupervised cases Examine statistical concepts for designing data for use in models Dive into linear regression models used in business and science Use single-layer and multilayer neural networks for calculating outcomes Look at how tree-based models work, including popular decision trees Get a comprehensive view of the machine learning ecosystem in R Explore the powerhouse of tools available in R’s caret package
    Note: Online resource; Title from title page (viewed March 23, 2018)
    Library Location Call Number Volume/Issue/Year Availability
    BibTip Others were also interested in ...
  • 2
    Online Resource
    Online Resource
    [Erscheinungsort nicht ermittelbar] : Editions First | Boston, MA : Safari
    Language: English , French
    Pages: 1 online resource (260 pages)
    Edition: 1st edition
    Keywords: Electronic books ; local
    Abstract: L'apprentissage automatique, un champ d'étude essentiel aux développements de l'Intelligence artificielle L'apprentissage automatique est un sujet intimidant jusqu'à ce que vous en connaissiez les principes fondamentaux. Si vous comprenez les principes essentiels du codage, ce livre d'introduction vous aidera à acquérir une base solide dans le domaine de l'apprentissage automatique. En utilisant le langage de programmation R, vous commencerez par apprendre à modéliser avec la régression, puis vous passerez à des sujets plus avancés tels que les réseaux de neurones et les méthodes arborescentes. Finalement, vous plongerez dans le monde de l'apprentissage automatique. en utilisant le package caret associé au langage de programmation R. Une fois que vous aurez développé une réelle familiarité avec des sujets tels que la différence entre les modèles de régression et de classification, vous serez en mesure de résoudre de multiples problèmes d'apprentissage automatique. L'auteur, Scott V. Burger, fournit également plusieurs exemples pour vous aider à bâtir une connaissance pratique de l'apprentissage automatique. Explorez le domaine de l'apprentissage automatique, de ses modèles, de ses algorithmes et de l'entraînement des données Comprenez les algorithmes d'apprentissage automatique supervisés et non supervisés Examinez les notions statistiques utiles pour la conception de données à utiliser dans les modèles Plongez dans les modèles de régression linéaire utilisés dans les affaires et la science Utilisez des réseaux de neurones monocouches et multicouches pour calculer les sorties Regardez comment fonctionnent les modèles arborescents, y compris les arbres de décision courants Obtenez une vue complète de l'écosystème de l'apprentissage automatique en R Explorez la puissance des outils disponibles dans le package caret de R
    Note: Online resource; Title from title page (viewed October 28, 2018) , Mode of access: World Wide Web.
    Library Location Call Number Volume/Issue/Year Availability
    BibTip Others were also interested in ...
Close ⊗
This website uses cookies and the analysis tool Matomo. More information can be found here...