Название книги "Машинное обучение" от Евгения Сергеевича Штольца - практическое руководство по моделированию процессов machine learning в рамках использования языка программирования PyTorch. Автор подробно излагает на примерах всю поэтапную технологическую цепочку ML: от самой настройки модели до её развёртывания в облачных инфраструктурах для обработки больших объёмов данных. При этом книга предоставляет богатый спектр знаний и опыта, накопленных за время работы Штольца архитектором и решения задач в области машинного обучения для бизнеса. Этот опыт может значительно помочь в освоении и развитии ML-технологий и обеспечении большей эффективности бизнес-процессов компаний. Книга предназначена для всех, кто интересуется современными цифровыми технологиями, связанных с машинным обучением и бизнес-аналитикой.
Вот ответ на задание: Книга рассказывает о применении машинного обучения для решения реальных задач. Пособие будет полезно не только начинающим программистам, но также специалистам со стажем. Здесь есть как теоретические сведения, так и реальные проекты. Книга доказывает свою эффективность с помощью практики. В ней освещаются наиболее популярные фреймворки, такие как TensorFlow и PyTorch. Тем пользователям, кто только начинает изучать машинное обучение, данный материал будет очень полезен. А для профессионалов издание станет хорошей практикой, которая поможет вспомнить забытые знания и освежить навыки.
Электронная Книга «Машинное обучение на практике - от модели PyTorch до Kubeflow в облаке для BigData» написана автором Евгений Сергеевич Штольц в 2020 году.
Минимальный возраст читателя: 12
Язык: Русский
Описание книги от Евгений Сергеевич Штольц
В этой книге Главный Архитектор Департамента Архитектуры Управления Технической Архитектуры (Центра Облачных Компетенций Cloud Native и Корпоративного университета архитекторов) и архитектор решения Сбербанка делится знаниями и опытом с читателей в области ML, полученных в работе Школе архитекторов. Автор:
* проводит читателя через процесс создания, обучения и развития нейронной сети, показывая детально на примерах
* повышает кругозор, показывая, какое она может занимать место в BigData с точки зрения Архитектора
* знакомит с реальными моделями в продуктовой среде
